基于誤差反向傳播神經網絡的大學生身體素質能力預測與應對方法

張 旭 徐鳳謙

（中國石油大學〔北京〕,北京 102249）

大學生體質健康一直是學校體育教學改革和研究的重點，為積極落實2014年教育部新修訂的《國家學生體質健康標準》，本文以中國石油大學（北京）女學生體測成績為基準，研究分析女大學生體測成績變化水平。由于女生在身體形態、生長發育、生理周期的很多方面具有一定的特殊性，判斷其未來身體素質走向，依據預測結果確定提高女大學生身體素質水平的指導性方案是十分有必要的。因此，設計一種高效率的大數據預測模型是高校體育領域的一個重要研究問題。本文利用機器學習的算法，對中國石油大學（北京）女學生身體素質及體測成績進行了分析，以2014級和2017級同學為例，發現女大學生總體體質水平呈現下滑趨勢，如圖1所示①。

圖1 女生2014級和2017級體質測試成績對比圖

究其主要原因，在步入大學生活后，由于剛剛開始獨立生活，完整的價值觀尚未形成且判斷力尚且不足，且隨著科技的發展，大學生更加容易選擇不健康的生活方式，“足不出戶”致使大學生運動量減少，缺乏積極向上、豐富多彩的課外體育活動和實踐活動，種種原因都造成了女大學生總體體質水平下滑。同時，由于大學時期的女生都已進入青春發育期，身體構造與心理因素影響成為女大學生身體素質下滑的另一主導因素。作為體育教育工作者，應通過組織活動或比賽的方式提高女學生運動興趣，激發女學生體育鍛煉的自覺性和積極性，幫助女學生克服心理障礙，引導學生正確健康地進行體育鍛煉。

1 分析方法和思路

1.1 誤差反向傳播神經網絡的構建

誤差反向傳播神經網絡也被稱為BP神經網絡，是一種常用的神經網絡，為三層結構，包含輸入層、輸出層以及處于二者之間的隱層。每層至少有一個以上結點，與層對應的分別為輸入結點、隱結點和輸出結點。隱層中的結點不直接與外界連接，但其狀態影響輸入結點與輸出結點之間的關系。輸入結點、隱結點、輸出結點之間的關系通過網絡系數（權重和閾值）來反映。訓練前，先通過一定方法賦予網絡初始權重和閾值，然后利用訓練樣本對網絡進行訓練，使網絡輸出滿足期望需求。訓練成熟后的神經網絡即可投入實際應用，可用于分類、預測等決策支持。

本文參考張彥榮（2019）[1]，基于機器學習的方法構造了誤差反向傳播神經網絡預測模型，主要包括輸入層、隱含層、輸出層及各層之間的傳遞函數幾個方面。各層神經元之間是全連接的，層內無連接，且從理論上講，BP神經網絡的隱含層可以無限增加。三層BP神經網絡的拓撲結構模型如圖2所示。

圖2 三層BP神經網絡拓撲結構圖

式中f(*)表示激活函數，其中函數f1為Sigmoid型激活函數，函數f2為線型激活函數。激活函數是誤差反向傳播神經網絡的重要組成部分，且必須是連續可微的。該函數通常采用S（Sigmoid）型的對數函數或正切函數和線性函數，其中Sigmoid型可微函數可以實現輸入與輸出之間的任意非線性映射。目前使用最多的是Sigmoid函數，其特點是（-∞，+∞）范圍的數據被映射到區間（0，1）中，可以表示為：

在誤差反向傳播過程中，輸出層的誤差函數可以表示為：

式中dk表示輸出層第 k 個神經元期望輸出值。本文在構建神經網絡時，輸出層包含一個輸出單元，以下對只wij有一個輸出單元的神經網絡的誤差反向傳播過程進行說明。誤差函數E 對隱含層與輸出層之間的連接權值wjk求導，根據復合函數求導可得：

1.2 數據的收集與分組

本文以中國石油大學（北京）2009～2019級學生體質測試成績作為樣本數據，對未來10年該校女大學生體質測試成績進行了預測。根據數據的特點，在每年數據的基礎上取一個平均數作為觀測值。在神經網絡的構建中，將網絡輸入層的神經元個數設置為3，輸出層的神經元個數設置為1，即用三個歷年數據來預測下一年數據，并以此類推。

網絡中隱含層節點個數的設計較為復雜，一直以來是神經網絡構建的難點。在本文的神經網絡的設計中，隱含層神經元節點個數通過試湊法確定，當隱含層結點數目為7的時候，發現收斂速度最快。在創建的神經網絡中，隱含層的激活函數為S（Sigmoid）型的正切函數，輸出層的激活函數為線性函數。

2 預測仿真檢驗及結果誤差分析

由誤差反向傳播神經網絡預測的女大學生未來10年各項體育測試成績如圖3所示，體質狀況不容樂觀。預測結果顯示，未來10年該校女大學生的肺活量和立定跳遠成績呈現出波動下降的態勢，且預計到2029年可能會出現成績的持續降低，肺活量成績達到2 990 mL，同時立定跳遠成績達到1.5 m?？傮w來看，這兩項體測成績較2009～2019級的平均成績有所下降。坐位體前屈成績在經歷了短期的下滑后，未來10年將呈現出持續波動降低的趨勢，值得注意的是，2029年坐位體前屈成績預計將出現歷史新低的14.5 cm。女大學生50 m短跑的用時呈現出持續增加的趨勢，同時800 m跑成績也呈現出持續增加的態勢，這或許說明了大學生爆發力和耐力水平的不斷下降，這些結論需要持續關注。

圖3 未來10年中國石油大學（北京）女大學生體質測試成績預測

總體來看，該校女大生未來10年的體育測試成績呈現出滑坡趨勢，速度、爆發力、耐力水平及力量等持續走低，從某種程度上說明當前女大學生身體素質狀況呈現連年下滑態勢，這與王祥全（2018）的研究結論相吻合[2]。針對當前女大學生身體素質持續下降的情況，應制定合理的方案，引導女大學生形成終身體育、終身鍛煉的意識，以實現大幅提升女大學生身體素質的目的。同時，高校要提高對體育教育的重視度，針對學校女大學生的身體情況，引導學生形成“健康體魄是學習前提與保障”的觀念，提高女大學生的身體素質，進而促進高校人才培養質量的提升。提高女大學生身體素質刻不容緩，要把提高學生身體素質作為根本任務，結合“健康中國，全民健身”的號召，切實落實教學方案與改善措施，呼吁女大學生積極進行體育鍛煉。

3 結論和建議

本文以中國石油大學（北京）女大學生體育成績的歷年數據為研究對象，基于機器學習的方法構建了誤差反向傳播神經網絡預測模型，對未來10年該校女大學生各項體測成績進行了預測。通過構建的神經網絡預測發現，未來10年該校女大學生的體育測試成績預計將出現不同程度的下滑。建議可以采取日常體育鍛煉的方式提升女大學生的身體素質水平，如可以通過長跑練習提升學生耐力素質，通過20 m折返跑的練習增大脂肪代謝強度、減少肥胖率等，以提升學生體育測試成績和減緩身體素質下滑的趨勢。如何更好地提升女大學生身體素質、調動女大學生日常鍛煉健身的積極性，需要進一步給予關注和研究。

注釋：

①其他年份數據顯示，女大學生的體質水平下降趨勢與2014級和2017級的趨勢基本一致，本文以2014級和2017級為例進行了展示。