基于机器学习算法的运动员训练效果评估研究

岳志强

（上海建桥学院，上海 201306）

运动员日常训练是提升运动员比赛成绩的重要途径，运动员日常训练有助于教练明确运动员状态和竞技水平[1]，依据运动员训练情况制定训练方案，训练效果精准评估是提升运动员比赛成绩的重要部分。评估受运动员心理状态、训练环境等众多因素影响，主要分为线性评估以及非线性评估。运动员训练效果评估存在非线性变化特点[2]，线性评估方法无法保证训练效果评估的精准性，而非线性评估方法可充分考虑运动员训练的影响因素，已成为评估领域研究的主要方向。机器学习算法是非线性评估方法中的高效算法，其中支持向量机方法具有较好的评估效果[3]，支持向量机核函数以及参数可有效提升运动员训练效果的评估精度。针对运动员训练效果评估存在的非稳定性以及随机性，研究高效的评估方法具有较强的现实意义。

将生理状态指标应用于运动员训练效果评估中，提升运动员训练过程的科学性[4]。运动员身体机能状态决定运动员机能的发挥情况，依据运动员身体机能状态评估运动员训练效果具有较高的科学性[5]，通过运动员身体状态调整运动员训练任务，科学化地制定训练全过程。

文献[6]研究了我国优秀男子健美运动员体能评价模型的构建及现状，文献[7]研究了青少年男子羽毛球运动员专项运动能力的评价指标，分别评价了健美运动员以及羽毛球运动员的运动能力。……