Разработка информационной системы для приблизительного нахождения показателей спортсмена-метателя при помощи математического моделирования толкания ядра и применения нейросетевых технологий
Аннотация
Мельников А. Ю., Кадацкий Н. А. Разработка информационной системы для приблизительного нахождения показателей спортсмена-метателя при помощи математического моделирования толкания ядра и применения нейросетевых технологий // Вестник ДГМА. – 2019. – № 2 (46). – С. 145–149.
В работе описаны основные факторы, влияющие на дальность полета ядра. Приведена формула для расчета дальности, из которой следует, что чем меньше сила воздействия на ядро, тем большим должен быть угол направления этой силы, и при определенном для данной силы угле наступает оптимальное сочетание всех величин, что приводит к максимальной дальности полета снаряда. Сформулирована задача проектирования системы – приложения, способного рассчитать основные показатели и результат спортсмена с целью использования их в тренировочном процессе для достижения максимальной связи силы и скорости метателя. Разработана информационная модель такой системы в виде набора UML-диаграмм (диаграмма вариантов использования, диаграмма классов). Осуществлена программная реализация модели. Приведены результаты работы программного продукта, показывающие, с какой скоростью, с каким углом выпуска и с какой силой спортсмен должен толкать ядро для достижения максимальной дальности полета. Сделан вывод, что описание спортивной техники исключительно уравнениями механики может не учитывать ряд факторов, которые, являясь малозначимыми для абсолютных значений результатов, могут оказать серьезное влияние на относительные показатели. Обоснована возможность использования современных методов для решения задачи прогнозирования. Приведены данные о характеристиках восьми спортсменов (возраст, рост, масса тела, предпочитаемый метод метания), а также их спортивные результаты (начальная скорость полета ядра, угол метания, высота отрыва от руки и расстояние полета). Сформулированы две задачи прогнозирования: по имеющимся данным о возрасте, росте, массе тела атлета, а также характеристиках полета ядра определить дальность этого полета; по имеющимся данным о возрасте, росте, массе тела атлета, а также дальности полета ядра определить оптимальное сочетание характеристик полета – начальной скорости, угле и высоте отрыва. Предложен метод искусственных нейронных сетей с архитектурой двухслойного персептрона, активационной функцией сигмоидой и алгоритмом обратного распространения ошибок для обучения сети. Приведены примеры расчета в среде Deductor Studio Lite.
Литература
Tutevich V.N. The theory of sports throwing. Moscow. 1956, 310 p. (in Russian).
Melnikov A.Yu. Object-oriented analysis and design of information systems. Kramatorsk: DGMA. 2013, 172 p. (in Russian).
Melnikov A.Yu., Kadatsky N.A. Approximate determination of athlete-thrower indicators using mathematical modeling of shot put and proprietary software. Youth in science. New arguments. Collection of scientific papers of the 8th International youth competition (Russia, Lipetsk, March 30, 2018). Part I. Gorbenko A.V. ed. Lipetsk: Argument. 2018, pp. 66-70. (in Russian).
Melnykov O.Yu., Kadatsky N.A. On the use of mathematical modeling for the approximate finding of indicators athlete core thrower. Universum View 6. Proceedings of the International scientific and practical conference. Vinnytsia: Nilan LTD. 2018, pp. 293-294. (in Ukrainian).
Kasyuk S.T., Vakhtomova E.M. The use of neural networks for the analysis and forecasting of data in physical education and sports. Scientific and theoretical journal "Scientific notes". 2013, 12 (106), pp. 72–77. (in Russian).
Krutikov A.K. Prediction of sports results in individual sports using a generalized regression neural network. Young scientist [Online]. 2018, 12, pp. 22–26. https://moluch.ru/archive/198/48884 (in Russian)
Wilko Schaa. Biomechanical Analysis of the Shot Put at the 2009 IAAF World Championships in Athletic. Studies in Athletics [Online]. 2010, 3–4, pp. 9–21. https://www.researchgate.net/publication/265661202
Callan R. Basic concepts of neural networks. Moscow: Williams. 2001, 288 p. (in Russian).
Khaikin Simon. Neural Networks: Full Course, 2nd Edition: Per. from English. Moscow: Williams Publishing House. 2006, 1104 p. (in Russian).
Kovalevsky S.V., Gitis V.B. Creation and application of neural networks for solving applied problems. Kramatorsk: DGMA. 2008, 75 p. (in Russian).
Official site BaseGroup Labs [Online]. https://basegroup.ru/community/articles/intro