基于数据挖掘的排球运动员身体素质评价模型
杨宋华
摘 要： 塑造基于数据挖掘的排球运动员身体素质评价模型，通过数理统计法挖掘出排球运动员包含的五大身体素质结构特征，依据该五大身体素质特征，获取排球运动员身体素质代表指标。基于不同指标的身体素质代表指标的素质因子旋转后的特征值，与不同因子旋转后的总特征值的比值可得到运动员身体素质因子代表指标的权重系数。基于该权重系数可获取基于数据挖掘的排球运动员身体素质评价模型，并采用该模型对运动员的训练、比赛以及身体素质进行有效的评价。采用因子分析对设计的基于数据挖掘的排球运动员身体素质评价模型进行检验，结果显示该评价模型是可靠的。
关键词： 数据挖掘； 身体素质； 评价模型； 权重系数
中图分类号： TN911.1?34； G807.4 文献标识码： A 文章编号： 1004?373X（2017）11?0119?04
Data mining based physical quality evaluation model for volleyball athletes
YANG Songhua
（Institute of Physical Education， Nantong University， Nantong 226019， China）
Abstract： The data mining based physical quality evaluation model for volleyball athletes is established. The five structure features of the volleyball athletes physical quality are mined with the mathematical statistics. According to the five physical quality features， the representative indicators of the volleyball athletes physical quality is acquired. On the basis of the ratio of the rotated characteristic value of the quality factor representing the physical quality of different indicators to the rotated total characteristic value of different factors， the weight coefficient of the representative indicator of the athletes physical quality factor is obtained. On the basis of the weight coefficient， the volleyball athletes physical quality evaluation model based on data mining is acquired. The model is used to train the athletes， and evaluate the game and physical quality effectively. The factor analysis is adopted to test the designed volleyball athletes physical quality evaluation model based on data mining. The test results show that the evaluation model is reliable.
Keywords： data mining； physical quality； evaluation model； weight coefficient
0 引 言
当前的排球领域竞争激烈，从以往将技术和战术当成训练目标，发展成专注运动员身体素质的目标。增强排球运动员的身体素质是提升排球成绩的关键[1]。因此，应科学塑造排球运动员身体素质的评价模型，对运动员身体塑造进行合理训练[2]，增强运动员的排球技能。
为了科学分析排球运动员的身体素质结构，进行正确的训练，增强排球运动能力，提出基于数据挖掘的排球运动员身体素质评价模型，并通过实验验证模型的有效性。
1 研究对象与方法
1.1 研究对象
本文从2013—2014以及2014—2015兩个赛季中中国大学生排球联赛期间不同队伍中采集2名男运动员，一共60名运动员，当成研究对象。对这些运动员进行检测和调查。这些研究对象的平均年龄为18.5岁，基本情况如表1所示。
1.2 研究方法
采用数理统计法中的SPSS15.0社会统计学软件对检测指标的数据进行因子分析等统计处理[2]，完成排球运动员身体素质数据的挖掘分析。
2 研究结果分析
2.1 排球运动员身体素质指标检测结果分析
人体身体素质是指同运动相关的功能状态，包括运动员在特定运动项目中的运动能力。排球运动员身体素质需要按照运动需求采取同运动具有紧密关联性的身体练习方式[3]，优化同排球运动能力相关的运动素质以及运动所需的体形态。采用SPSS15.0软件对排球运动员的测试数据进行统计分析，进而对排球运动员身体素质特征指标数据进行挖掘[4]，结果如表2所示。表中描述了男排球运动员各项身体素质平均水平。
采用SPSS15.0软件对表2中的数据进行因子KMO以及球形Bartlett检验。SPSS15.0软件中的样本含量越高所获取的结果稳定性越高，通常采用R型因子进行分析可得巴特莱特检验存在显著性。按照KMO的量度可得，原变量能够进行后续的因子分析。
对测试项目用 SPSS15.0 软件对所测的数据进行因子分析中的总方差解释，结果如表3所示。分析表3可得，本文采集了5个排球运动员身体素质指标因子，这些因子的公共解释原始变量占总方差的72.018%，丢失了大约18%的信息。这些因子具有较高的解释效果[5]，可将它们当成公共因子，并且它们的特征值都高于1，总的价值率高于82.483%。
分析前五个因子的特征值以及特征向量可得，第4、5个因子同原始变量的关联度较低，对原始变量的解释效果差[6]，无法对还未进行旋转的因子的含义进行准确解释。此时，需要对没进行旋转的因子载荷矩阵实施方差极大法正交旋转变换，获取经过旋转变换后的因子载荷矩阵，如表4所示。
综合分析上述结果可得，男子排球运动员的身体素质的五项重要特征[7]按照各因子内的因子载荷量完成聚类分析，再命名聚类后的主因子，可知排球运动员身体素质主要包括弹跳素质、速度素质、力量素质、耐力素质、柔韧素质五个元素。
上述过程通过数理统计法分析排球运动员包含的五大身体素质结构特征，对检测指标的数据进行因子分析等统计处理，完成排球运动员身体素质数据的挖掘分析。
2.2 明确排球运动员身体素质指标的评价标准
2.2.1 明确排球运动员身体素质代表指标
基于2.1节挖掘出的排球运动员身体素质的五大特征，可获取排球运动员身体素质代表指标。为了科学地检测评估排球运动员的身体素质训练水平，应采用各因子中具有代表性的指标[8]，在不同的训练过程中对运动员进行合理的检测。
采用公式采集不同类排球运动员身体素质指标因子中的代表指标。其中：表示类中指标间的相关系数；表示类中的指标数量。在相同的类中对比的大小，将具有较高值的当成类间的代表指标，从五个素质因子内分别采集一个代表指标检测排球运动员，结果如表5所示。
2.2.2 评价指标标准分数的指定
指标经验服从正太分布，采用T分标准分数法对原始数据进行规范化处理，评分表的成绩区间是评分区域是T分变化是2分，制定规范百分数从2～100分的评分表，成绩值变化为将平均数当成基准值，当成成绩波动值，当成各指标标准差。因为指标经验属于离散型随机变量[9]，则采用离散型资料的位置百分方法描述并将其当成规范分数。将数据代入获取规范百分数常模表，如表6所示。
2.2.3 运算评价指标权重系数
权重系数是对应的排球运动员身体素质指标在同类中占据的比例，采用具有高权重系数的身体素质指标可检测排球运动员的身体素质优劣[10]。按照不同指标的身体素质代表指标的素质因子旋转后的特征值，同不同因子旋转后的总特征值的比值，能够获取不同运动员身体素质因子的代表指标的权重系数，如表7所示。
2.2.4 塑造基于数据挖掘的排球运动员身体素质评价
模型并进行评估
依据2.2.3节获取的排球运动员身体素质因子的代表指标权重系数，塑造基于数据挖掘的排球运动员身体素质评价模型的运算公式为：
（1）
式中：表示综合评价规范分数；是运动员助跑摸高10次平均值的规范得分；是运动员6 m×15 m移动的规范得分；是运动员30 s仰卧起坐的规范得分；是运动员800 m跑的规范得分；是运动员坐位前屈的规范得分。
将60名排球运动员的不同项指标成绩化成百分数，并将结果融入评价模型，获取60名运动员的身体素质得分。采用统计学软件SPSS15.0分析输入的得分，获取运动员的综合评价分数满足非标准正态分布（-0.764，=0.018），对男子排球运动员的总体进行评价，将60名排球运动员的末名成绩看成优秀分数线，为60名运动员在相应队伍中的比例为11%，并且根据评分将运动员划分成5个不同的等级，详细情况见表8。
2.2.5 评价指标的均衡评价标准
排球训练时，及时提升运动员的运动成绩能够增强运动员训练的全面性和均衡性。因此，采用设计的评价模型对运动员进行测试的过程中应挖掘出运动员训练的弱项，并对该弱项进行集中训练，提高运动员的身体素质水准。本文采用均衡评价方法对排球运动员的身体素质进行评价，均衡评价方法的表达式为和分别表示运动员不同身体指标的最高和最低成绩，表示运动员的发展均衡度，评价结果见表9。
2.2.6 对评价模型进行检验
采用因子分析法对男大学生排球运动员身体素质进行统计分析，并对设计的基于数据挖掘的排球运动员身体素质评价模型进行检验，将该模型分别向某体育学院的教师、教练等进行检验，并统计不同人员对评价模型的评分情况，见表10。将评分划分成5个等级，如果得分不低于4分的人数高于70%，则认为设计的评价模型是可靠的。分析表10可以看出，所设计的基于数据挖掘的排球运动员身体素质评价模型得分不低于4分的人数平均为80%，高于70%，说明该评价模型是可靠的。
3 结 论
我国男子大学生排球运动员身体素质结构模型含有五大身体素质结构特征，分别是弹跳素质、速度素质、力量素质、耐力素质以及柔韧度素质。通过获取排球运动员身体素质检测数据，以及排球运动员身体素质因子的代表指标权重系数，得到排球运动员身体素质评价模型。采用获取的排球运动员身体素质评价模型可对排球运动员进行赛前和训练检测，提升运动员的排球水平。
参考文献
[1] 赵西堂.优秀沙滩排球运动员灵敏素质影响因素及其结构模型研究[J].天津体育学院学报，2014，29（2）：171?176.
[2] 郐淑娥.基于数据挖掘技术的超市顾客忠诚度评价模型的构建[J].中国管理信息化，2015，18（19）：63?65.
[3] 牛咏梅.基于粗糙集的海量数据挖掘算法研究[J].现代电子技术，2016，39（7）：115?119.
[4] 牛晓雷.利用回归分析建立女足运动员身体素质评价模型：以河南省青少年女足队员身体素质调研为例[J].广州体育学院学报，2016，36（2）：76?80.
[5] 邓芳.大型物联网电子设备的海量数据高效挖掘方法研究[J].现代电子技术，2016，39（4）：159?162.
[6] 周鐳，单锋，刘鹏，等.基于供应链的企业信息化评价模型的建立[J].西安工程大学学报，2015，29（6）：772?779.
[7] 李恒.基于AHP?TOPSIS综合评价的青少年网球运动员身体素质评价模型[J].当代体育科技，2015，5（4）：245?246.
[8] 梁娟.多元化全民健身效益指数异构数据挖掘模型[J].科技通报，2015，31（8）：108?110.
[9] 吴晓英，明均仁.基于数据挖掘的大数据管理模型研究[J].情报科学，2015，32（11）：131?134.
[10] 赵军，王晓.基于数据挖掘的第三方物流中心库存需求预测模型[J].物流技术，2014，33（3）：148?150.
摘 要： 塑造基于数据挖掘的排球运动员身体素质评价模型，通过数理统计法挖掘出排球运动员包含的五大身体素质结构特征，依据该五大身体素质特征，获取排球运动员身体素质代表指标。基于不同指标的身体素质代表指标的素质因子旋转后的特征值，与不同因子旋转后的总特征值的比值可得到运动员身体素质因子代表指标的权重系数。基于该权重系数可获取基于数据挖掘的排球运动员身体素质评价模型，并采用该模型对运动员的训练、比赛以及身体素质进行有效的评价。采用因子分析对设计的基于数据挖掘的排球运动员身体素质评价模型进行检验，结果显示该评价模型是可靠的。
关键词： 数据挖掘； 身体素质； 评价模型； 权重系数
中图分类号： TN911.1?34； G807.4 文献标识码： A 文章编号： 1004?373X（2017）11?0119?04
Data mining based physical quality evaluation model for volleyball athletes
YANG Songhua
（Institute of Physical Education， Nantong University， Nantong 226019， China）
Abstract： The data mining based physical quality evaluation model for volleyball athletes is established. The five structure features of the volleyball athletes physical quality are mined with the mathematical statistics. According to the five physical quality features， the representative indicators of the volleyball athletes physical quality is acquired. On the basis of the ratio of the rotated characteristic value of the quality factor representing the physical quality of different indicators to the rotated total characteristic value of different factors， the weight coefficient of the representative indicator of the athletes physical quality factor is obtained. On the basis of the weight coefficient， the volleyball athletes physical quality evaluation model based on data mining is acquired. The model is used to train the athletes， and evaluate the game and physical quality effectively. The factor analysis is adopted to test the designed volleyball athletes physical quality evaluation model based on data mining. The test results show that the evaluation model is reliable.
Keywords： data mining； physical quality； evaluation model； weight coefficient
0 引 言
当前的排球领域竞争激烈，从以往将技术和战术当成训练目标，发展成专注运动员身体素质的目标。增强排球运动员的身体素质是提升排球成绩的关键[1]。因此，应科学塑造排球运动员身体素质的评价模型，对运动员身体塑造进行合理训练[2]，增强运动员的排球技能。
为了科学分析排球运动员的身体素质结构，进行正确的训练，增强排球运动能力，提出基于数据挖掘的排球运动员身体素质评价模型，并通过实验验证模型的有效性。
1 研究对象与方法
1.1 研究对象
本文从2013—2014以及2014—2015兩个赛季中中国大学生排球联赛期间不同队伍中采集2名男运动员，一共60名运动员，当成研究对象。对这些运动员进行检测和调查。这些研究对象的平均年龄为18.5岁，基本情况如表1所示。
1.2 研究方法
采用数理统计法中的SPSS15.0社会统计学软件对检测指标的数据进行因子分析等统计处理[2]，完成排球运动员身体素质数据的挖掘分析。
2 研究结果分析
2.1 排球运动员身体素质指标检测结果分析
人体身体素质是指同运动相关的功能状态，包括运动员在特定运动项目中的运动能力。排球运动员身体素质需要按照运动需求采取同运动具有紧密关联性的身体练习方式[3]，优化同排球运动能力相关的运动素质以及运动所需的体形态。采用SPSS15.0软件对排球运动员的测试数据进行统计分析，进而对排球运动员身体素质特征指标数据进行挖掘[4]，结果如表2所示。表中描述了男排球运动员各项身体素质平均水平。
采用SPSS15.0软件对表2中的数据进行因子KMO以及球形Bartlett检验。SPSS15.0软件中的样本含量越高所获取的结果稳定性越高，通常采用R型因子进行分析可得巴特莱特检验存在显著性。按照KMO的量度可得，原变量能够进行后续的因子分析。
对测试项目用 SPSS15.0 软件对所测的数据进行因子分析中的总方差解释，结果如表3所示。分析表3可得，本文采集了5个排球运动员身体素质指标因子，这些因子的公共解释原始变量占总方差的72.018%，丢失了大约18%的信息。这些因子具有较高的解释效果[5]，可将它们当成公共因子，并且它们的特征值都高于1，总的价值率高于82.483%。
分析前五个因子的特征值以及特征向量可得，第4、5个因子同原始变量的关联度较低，对原始变量的解释效果差[6]，无法对还未进行旋转的因子的含义进行准确解释。此时，需要对没进行旋转的因子载荷矩阵实施方差极大法正交旋转变换，获取经过旋转变换后的因子载荷矩阵，如表4所示。
综合分析上述结果可得，男子排球运动员的身体素质的五项重要特征[7]按照各因子内的因子载荷量完成聚类分析，再命名聚类后的主因子，可知排球运动员身体素质主要包括弹跳素质、速度素质、力量素质、耐力素质、柔韧素质五个元素。
上述过程通过数理统计法分析排球运动员包含的五大身体素质结构特征，对检测指标的数据进行因子分析等统计处理，完成排球运动员身体素质数据的挖掘分析。
2.2 明确排球运动员身体素质指标的评价标准
2.2.1 明确排球运动员身体素质代表指标
基于2.1节挖掘出的排球运动员身体素质的五大特征，可获取排球运动员身体素质代表指标。为了科学地检测评估排球运动员的身体素质训练水平，应采用各因子中具有代表性的指标[8]，在不同的训练过程中对运动员进行合理的检测。
采用公式采集不同类排球运动员身体素质指标因子中的代表指标。其中：表示类中指标间的相关系数；表示类中的指标数量。在相同的类中对比的大小，将具有较高值的当成类间的代表指标，从五个素质因子内分别采集一个代表指标检测排球运动员，结果如表5所示。
2.2.2 评价指标标准分数的指定
指标经验服从正太分布，采用T分标准分数法对原始数据进行规范化处理，评分表的成绩区间是评分区域是T分变化是2分，制定规范百分数从2～100分的评分表，成绩值变化为将平均数当成基准值，当成成绩波动值，当成各指标标准差。因为指标经验属于离散型随机变量[9]，则采用离散型资料的位置百分方法描述并将其当成规范分数。将数据代入获取规范百分数常模表，如表6所示。
2.2.3 运算评价指标权重系数
权重系数是对应的排球运动员身体素质指标在同类中占据的比例，采用具有高权重系数的身体素质指标可检测排球运动员的身体素质优劣[10]。按照不同指标的身体素质代表指标的素质因子旋转后的特征值，同不同因子旋转后的总特征值的比值，能够获取不同运动员身体素质因子的代表指标的权重系数，如表7所示。
2.2.4 塑造基于数据挖掘的排球运动员身体素质评价
模型并进行评估
依据2.2.3节获取的排球运动员身体素质因子的代表指标权重系数，塑造基于数据挖掘的排球运动员身体素质评价模型的运算公式为：
（1）
式中：表示综合评价规范分数；是运动员助跑摸高10次平均值的规范得分；是运动员6 m×15 m移动的规范得分；是运动员30 s仰卧起坐的规范得分；是运动员800 m跑的规范得分；是运动员坐位前屈的规范得分。
将60名排球运动员的不同项指标成绩化成百分数，并将结果融入评价模型，获取60名运动员的身体素质得分。采用统计学软件SPSS15.0分析输入的得分，获取运动员的综合评价分数满足非标准正态分布（-0.764，=0.018），对男子排球运动员的总体进行评价，将60名排球运动员的末名成绩看成优秀分数线，为60名运动员在相应队伍中的比例为11%，并且根据评分将运动员划分成5个不同的等级，详细情况见表8。
2.2.5 评价指标的均衡评价标准
排球训练时，及时提升运动员的运动成绩能够增强运动员训练的全面性和均衡性。因此，采用设计的评价模型对运动员进行测试的过程中应挖掘出运动员训练的弱项，并对该弱项进行集中训练，提高运动员的身体素质水准。本文采用均衡评价方法对排球运动员的身体素质进行评价，均衡评价方法的表达式为和分别表示运动员不同身体指标的最高和最低成绩，表示运动员的发展均衡度，评价结果见表9。
2.2.6 对评价模型进行检验
采用因子分析法对男大学生排球运动员身体素质进行统计分析，并对设计的基于数据挖掘的排球运动员身体素质评价模型进行检验，将该模型分别向某体育学院的教师、教练等进行检验，并统计不同人员对评价模型的评分情况，见表10。将评分划分成5个等级，如果得分不低于4分的人数高于70%，则认为设计的评价模型是可靠的。分析表10可以看出，所设计的基于数据挖掘的排球运动员身体素质评价模型得分不低于4分的人数平均为80%，高于70%，说明该评价模型是可靠的。
3 结 论
我国男子大学生排球运动员身体素质结构模型含有五大身体素质结构特征，分别是弹跳素质、速度素质、力量素质、耐力素质以及柔韧度素质。通过获取排球运动员身体素质检测数据，以及排球运动员身体素质因子的代表指标权重系数，得到排球运动员身体素质评价模型。采用获取的排球运动员身体素质评价模型可对排球运动员进行赛前和训练检测，提升运动员的排球水平。
参考文献
[1] 赵西堂.优秀沙滩排球运动员灵敏素质影响因素及其结构模型研究[J].天津体育学院学报，2014，29（2）：171?176.
[2] 郐淑娥.基于数据挖掘技术的超市顾客忠诚度评价模型的构建[J].中国管理信息化，2015，18（19）：63?65.
[3] 牛咏梅.基于粗糙集的海量数据挖掘算法研究[J].现代电子技术，2016，39（7）：115?119.
[4] 牛晓雷.利用回归分析建立女足运动员身体素质评价模型：以河南省青少年女足队员身体素质调研为例[J].广州体育学院学报，2016，36（2）：76?80.
[5] 邓芳.大型物联网电子设备的海量数据高效挖掘方法研究[J].现代电子技术，2016，39（4）：159?162.
[6] 周鐳，单锋，刘鹏，等.基于供应链的企业信息化评价模型的建立[J].西安工程大学学报，2015，29（6）：772?779.
[7] 李恒.基于AHP?TOPSIS综合评价的青少年网球运动员身体素质评价模型[J].当代体育科技，2015，5（4）：245?246.
[8] 梁娟.多元化全民健身效益指数异构数据挖掘模型[J].科技通报，2015，31（8）：108?110.
[9] 吴晓英，明均仁.基于数据挖掘的大数据管理模型研究[J].情报科学，2015，32（11）：131?134.
[10] 赵军，王晓.基于数据挖掘的第三方物流中心库存需求预测模型[J].物流技术，2014，33（3）：148?150.
