灰色关联分析模型对军校大学生5000 m耐力素质的评价效果

张桐硕，薄 海，秦永生，彭 朋

灰色关联分析模型对军校大学生5000 m耐力素质的评价效果

张桐硕1，薄 海2，秦永生2，彭 朋2

目的分析军校大学生5000 m跑成绩与相关运动生理指标的关系，为进一步科学安排训练、提高军人耐力素质提供理论依据。方法整群抽取58名某军校大学生，测试5000 m跑成绩，以及身体形态、心肺功能、速度素质和力量素质等四类共12项运动生理指标。建立灰色关联分析模型对采集的数据进行分析，运用BP神经网络模型验证评价效果。结果影响5000 m跑成绩的前5项主要因素依次为最大摄氧量(VO2max)、5000 m定量负荷心率、2000 m跑成绩、体脂百分比和肺活量指数。VO2max和5000 m定量负荷心率能通过BP神经网络模型准确评价5000 m耐力素质。结论灰色关联分析模型筛选出的影响因素合理可信。应着重考虑安排有助于增强心肺功能和降低体脂百分比的训练项目，以减少训练的盲目性，提高5000 m耐力素质训练质量。

灰色关联分析；耐力素质；军校大学生；BP神经网络

作为军人耐力素质的直接体现，5000 m跑是军校大学生必须达标的体能考核项目，更是适应现代军事作业需求的身体基础和战斗力保障。然而，军校大学生，尤其是地方入伍的技术专业军校大学生5000 m跑的考核达标率不容乐观，其主要原因是训练方法存在较大的盲从性和单一性。因此，面对军校大学生提高耐力素质训练质量的迫切需求，探讨5000 m耐力素质与其影响因素之间关系和规律，显然具有重要的现实意义。

多年来对5000 m耐力素质影响因素的研究对象主要集中于运动员，而针对军校大学生的关注较少[1-4]。另外，研究方法主要采取方差分析、回归分析、主成分分析、因子分析等，对样本容量和概率分布要求严格，研究角度多限于线性变化规律[5]。灰色关联分析是通过对动态过程发展态势的量化分析，克服了以上传统方法的缺陷，对信息不够充分的系统同样适用，不会出现量化结果与定性分析不符的情况[6]。基于上述原因，本研究把军校大学生5000 m跑成绩看成是一个灰色系统工程，通过对各项运动生理指标与5000 m运动成绩的灰色关联分析，把各因素在其成绩中的地位和作用予以揭示，并利用BP神经网络对主要影响因素与5000 m跑成绩的非线性联系进行验证,旨在了解军校大学生5000 m耐力素质与评价指标之间的相互关系，为进一步科学安排训练、提高军人耐力素质提供理论依据。

1 对象与方法

1.1 对象 整群抽取某军校二年级大学生58名，均为地方入伍的专业技术男学员，年龄(19.98±0.13)岁，身高(174.75±1.27) cm，体重(65.55±1.83) kg。

1.2 测试指标 选取反映5000 m耐力素质的运动生理指标，建立5000 m跑成绩x0(min)与其影响因素的指标体系，分为速度专项素质、身体形态、心肺功能、力量专项素质四类，共有12项指标。其中速度专项素质包括100 m跑成绩x1(s)、400 m跑成绩x2(s)、2000 m跑成绩x3(min)；身体形态包括身体质量指数(BMI)x4、体脂百分比x5；心肺功能包括安静心率x6(b/min)、5000 m定量负荷心率x7(b/min)、VO2maxx8[ml/(kg·min)]、肺活量指数x9(ml/kg)；力量专项素质包括俯卧撑x10、仰卧起坐x11和蹲起x12。其中VO2max在标准400 m跑道上，利用便携式动态肺功能气体代谢遥测分析系统(VO2000，美国麦加菲公司)测定；5000 m定量负荷心率是以恰好及格(23 min)的运动强度匀速完成5000 m时用遥测心率表记录的平均心率；体脂百分比采用身体组成分析仪(Inbody 3.0，韩国，北京同方健康科技有限公司)测定；俯卧撑、仰卧起坐和蹲起为2 min内完成的次数。

1.3 灰色关联分析与效果评价 以5000 m跑成绩作为参考序列，记为x0={x0(k)k=1,2,…，58，}，12项指标分别为12个比较序列，记为xi={xi(k)k=1,2,…，58}，i=1,2,…，12。建立数学模型，计算灰色关联系数及各项指标的灰色关联度。根据灰色关联度的大小，对各项指标进行排序，建立12项指标的关联序。关联度越大，说明指标对5000 m跑成绩关系越密切。

运用BP神经网络模型验证评价效果。首先筛选出关联度最大的两项作为评价指标，建立BP神经网络模型预测5000 m跑成绩。通过预测效果检验灰色关联分析筛选出的主要影响因素是否合理和可信，即取前50个受试者建立训练网络，将后8个受试者的关联度最大的两项指标输入网络进行5000 m跑成绩预测，并与实际成绩进行比较。

1.4 数据整理与分析 将采集的数据录入Excel 2010建立数据库，利用Matlab 7.8软件进行灰色关联分析模型、BP神经网络模型的编程以及曲面拟合图的绘制。

2 结 果

2.1 灰色关联分析模型 12项指标对5000 m跑成绩的密切程度由大到小依次为VO2max、5000 m定量负荷心率、2000 m跑成绩、体脂百分比、肺活量指数、蹲起、俯卧撑、基础心率、仰卧起坐、400 m跑成绩、BMI、100 m跑成绩(表1)。

2.2 基于BP神经网络的评价效果验证 由表1中的排序结果可见VO2max和5000 m定量负荷心率关联度最大。取前50个受试者建立BP神经网络，结果表明，后8名受试者的预测成绩与实际成绩基本一致(表2)。

表1 某军校大学生12项运动生理指标与5000 m跑成绩的关联度及排序

表2 某军校大学生BP神经网络预测成绩与实际成绩的比较

2.3 5000 m耐力素质随评级指标变化的三维动态拟合图 自变量x、y分别表示VO2max和5000 m定量负荷心率，z为5000 m跑成绩。5000 m耐力素质随评级指标变化的三维动态拟合图见图1，可见5000 m跑成绩的提高伴随着VO2max的增加和5000 m定量负荷心率的降低。

图1 某军校大学生5000 m耐力跑成绩随VO2max和5000 m定量负荷心率变化的三维动态拟合效果

3 讨 论

3.1 模型的方法学评价 本模型充分利用灰色关联分析要求样本数据少、建模简单的特点，联合运用BP神经网络验证评价效果，保证了模型的严谨性。需要指出的是，虽然本文仅就军校大学生5000 m耐力素质的影响因素进行了灰色关联分析，由于这种建模方法具有实用性强、易于推广的特点，也为其他研究对象或体育项目的因素分析提供了方法学上的参考。

3.1.1 灰色关联分析模型 灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度[6]。为找出影响5000 m跑成绩的主要指标，以便为提高军校大学生5000 m耐力素质提供理论依据，通过建立灰色关联分析模型，确定各项指标和5000 m跑成绩之间的关联紧密程度，将各项指标对成绩贡献进行排序。

3.1.2 基于BP神经网络的评价效果验证 由于5000 m耐力素质是多种因素共同影响的结果，5000 m跑成绩随着人体心肺系统功能等因素的变化，常常呈现出较为复杂的非线性变化趋势，很难准确地给出各种因素共同作用的公式。BP神经网络作为一种多层前馈神经网络，很好地解决了这个问题。它具有较强的自组织、自适应与自学能力，能够在未完全了解5000 m耐力素质形成机制的情况下，完成自变量、变量间与5000 m跑成绩之间的非线性映射[7]。8名受试者的预测成绩与实际成绩基本一致，证明筛选出的主要影响因素是可靠的，进而也证明灰色关联分析对于解决该问题的可行性和有效性。

3.1.3 5000 m耐力素质随评级指标变化的三维动态拟合效果 经BP神经网络模型的检验，证明VO2max和5000 m定量负荷心率这两项指标就能有效反映5000 m耐力素质的水平，简化了指标体系。但是5000 m耐力素质随自变量指标而变化的数理关系解析式较为复杂和抽象，难以表示和推广。而三维动态拟合图可以将这些动态数据在空间的变化趋势及走向直现地描述出来，便于军校大学生形象理解5000 m耐力素质的变化规律，评估个人5000 m耐力素质水平，因而具有重要的实用价值[8]。

3.2 各项运动生理指标对5000 m耐力素质的影响 5000 m跑是军校大学生必须达标的体能考核项目，也是体能训练的难点科目，其主要反映了人体的有氧工作能力，体内糖和脂肪的有氧代谢供能可达到80%以上。本模型通过灰色关联分析筛选出的前5项主要因素有VO2max、5000 m定量负荷心率、2000 m跑成绩、体脂百分比和肺活量指数，符合5000 m跑的运动生理特征，基本反映了构成5000 m耐力素质的生理功能[9]。

3.2.1 速度专项素质对5000 m耐力素质的影响 2000 m跑成绩远比100 m跑成绩和400 m跑成绩与5000 m跑成绩的关系密切。这是由于不同距离跑的供能方式有一定差异：短跑主要靠磷酸原系统供能，发展无氧耐力；中跑有氧和无氧混合代谢供能的比重较大，基本属于耐乳酸训练；而长跑有氧供能占绝对优势[10]。供能方式的差异决定了100 m、400 m跑等短跑训练对军校大学生5000 m耐力素质水平提高作用不明显，通过锻炼有氧系统能力的长距离跑才能起到更好的效果。

3.2.2 身体形态对5000 m耐力素质的影响 体脂百分比是影响5000 m耐力素质的关键因素之一，它表示脂肪重占体重的比例。根据人体各成分的生理功效不同，体重可分为瘦体重(去脂体重)和脂肪重(体脂量)两部分。瘦体重的主要成分是骨骼和肌肉。文献[11]报道，体脂百分比越低机体的耐力水平越高。在5000 m跑中，肌肉是有氧供能的主要场所，肌糖原作为主要能源物质对氧的利用效率较高。虽然脂肪也参与有氧运动的供能，但由于脂肪氧化供能时氧气消耗量大、代谢产物堆积等因素，容易使身体疲劳，反而增加了体重负担。除了坚持长期有氧锻炼，还要从合理膳食、调控生活节奏等方面减轻脂肪堆积，改善体成分，增加瘦体重，促进体形匀称发展[12]。

BMI是衡量营养不良和肥胖的重要指标[13]。可能由于军校大学生入校前经过严格的体检，体形都比较匀称， BMI的区分不大，加之BMI未能区分身体组成，因而对5000 m跑成绩的影响不明显。

3.2.3 心肺功能对5000 m耐力素质的影响 在各项指标与5000 m跑成绩的灰色关联度大小的排序中，VO2max、5000 m定量负荷心率和肺活量指数分别位列第一、第二和第五。安静心率的排序相对靠后，可能与军校大学生训练水平接近，安静心率差异不明显有关。整体上可认为心肺功能对5000 m耐力素质的影响比其它各类身体素质指标明显，这与以往的研究结果一致[14,15]。心肺功能对5000 m跑成绩的决定性作用无可非议，应成为5000 m耐力素质训练的核心目标。

VO2max是人体氧运输系统中的心泵功能和肌肉用氧能力达到极限水平时，单位时间所能摄取的氧量，是评定人体有氧工作能力的综合指标。有研究发现，5000～10000 m跑成绩与VO2max的相关系数(r)处于0.79～0.82[16]。运动生理学家一致认为，在众多因素中，VO2max是限制中长跑的首要因素[14]。

5000 m定量负荷心率是以规定速度进行5000 m跑中的平均心率，反映了运动中的平均生理负荷强度。在受试军校大学生的最大心率大致相同的情况下，5000 m定量负荷心率越高，可认为动用的心率储备越多，越接近力竭状态[17]。心率对运动负荷的适应性变化是完成同等负荷时心率水平逐渐下降，其原因主要是每搏输出量增加[18]。这是心脏机能提高显著标志，也是评价训练效果的常用指标[19]。

因此，对于军校大学生的基础训练，可以采用最大心率的70%～75%，即140～160次/min的持续运动强度提高心肌收缩能力，并配合安排间歇训练法和循环训练法等多种训练模式提高VO2max水平[5,20]。同时，控制匀速的跑步节奏，运用科学的呼吸方法有助于保持心率的平稳、提高呼吸效率，因此掌握正确的5000 m跑的技术也十分必要[21]。

3.2.4 力量专项素质对5000 m耐力素质的影响 力量专项素质的三项指标蹲起、俯卧撑和仰卧起坐的灰色关联度分别位列第六、第七和第九。可见腿部、肩臂及腰腹等部位肌肉的力量和耐力对5000 m耐力素质有一定影响。其中蹲起反映的腿部肌肉力水平的地位相对重要，这很容易理解，5000 m跑以摆动腿、后蹬腿的动作为主[21]。5000 m跑时需要调动全身各部位肌群的协调配合，如有力的腰腹肌紧张收缩，不仅起到固定内脏器官确保跑进时的重心稳定的作用，还能提高腹式呼吸的效率。

骨骼肌的有氧代谢能力是影响有氧耐力的重要因素，而肌组织的有氧代谢能力与肌纤维类型密切相关，肌肉中红肌纤维多，有氧代谢能力就好。提高肌肉氧化能力的训练应着眼于提高慢肌纤维以及氧化型快肌纤维的供能能力[22]。

综上所述，灰色关联分析模型筛选的影响5000 m跑成绩的前五项主要因素依次为VO2max、5000 m定量负荷心率、2000 m跑成绩、体脂百分比和肺活量指数。BP神经网络模型证明了分析结果的可靠性和方法的有效性。军校大学生可借助三维动态拟合图评估个人5000 m耐力素质水平作为参考，制定适合自身实际的训练计划。就本模型的研究结果，运用运动医学知识做出合理解释，并联系军校大学生实际提出了相应的指导性建议，主要包括应着重考虑安排有助于增强心肺功能和降低体脂百分比的训练，以减少训练的盲目性，提高耐力素质的训练效果。

[1] 张 敏, 秦永生, 刘冠南, 等. 耐力组合训练提高武警战士耐力素质[J]. 体育科学研究, 2007,11(4):93-95.

[2] 陈少美. 提高大学生国防军事训练耐力跑成绩的研究[J]. 解放军预防医学杂志, 2005,23(6):410-412.

[3] 马瑞华. 女子5000 m运动员专项身体素质训练水平综合评价的研究[J]. 内江科技, 2010,(1):139-140.

[4] 席 翼, 王国军, 文 立, 等. 5000米跑耐力训练对新兵有氧耐力及左心室结构和功能的影响[J]. 中国运动医学杂志, 2007,26(1):39-44.

[5] 陆绍中, 李开刚. 有氧代谢能力与耐力项目训练中运动强度的选择[J]. 体育学刊, 2002,9(6):41-44.

[6] 邓聚龙. 灰色系统基本方法[M]. 武汉：华中工学院出版社, 2005：23-36.

[7] 范 磊, 张运陶, 程正军. 基于MATLAB的BP神经网络应用[J]. 西华师范大学学报(自然科学版), 2005,35 (1):70-73.

[8] 孙学川. 人体心肺功能康复状态的多维度非线性动态建模分析方法学研究[J]. 现代康复, 2000,4(5):666-668.

[9] 王瑞元. 运动生理学[M]. 北京：人民体育出版社, 2002：55-58.

[10] 施霏霏. 男子400 m栏运动员的速度耐力训练[J]. 军事体育进修学院学报, 2006,25(4):69-71.

[11] 张 敏, 孟 斌, 冯凯琳. 武警新兵体格、体成分和体能及其相关性[J]. 解放军预防医学杂志, 2007,25(3):184-187.

[12] 单绿叶. 有氧运动对女大学生身体形态和体脂的影响[J]. 浙江体育科学, 2010,(3):101-104.

[13] 迟 化, 姜志强. 按BMI指数分级评定肥胖大学生长跑成绩的研究[J]. 吉林体育学院学报, 2011,27(2):73-75.

[14] 陆绍中,李开刚. 有氧代谢能力与耐力项目训练中运动强度的选择[J]. 体育学刊, 2002,9(6):41-44.

[15] 胡国鹏, 刘无逸, 向剑锋. 跑步效率的影响因素[J]. 浙江体育科学, 2005,27(2):83-87.

[16] 胡国鹏, 王人卫, 刘无逸, 等. vVO2max、VO2maxPD等指标在有氧耐力评定中的比较研究[J]. 北京体育大学学报, 2010,33(3):50-54.

[17] 秦永生, 张 敏, 郝占国. 运动训练与心率变化[J]. 中国临来康复, 2003,7(6):952-953.

[18] 步 斌. 运动员心功能储备中心肌收缩力变化与心率变化的相关研究[J]. 中国体育科技, 2008,44(6):79-83.

[19] 刘少兵, 严 海. 心率监控在中长跑训练中的应用[J]. 湖北体育科技, 2005,24(2):184-188.

[20] 周 明. 大学生耐力性素质练习的价值及对策研究[J]. 科学之友, 2009,8(23):137-138.

[21] 于奎龙, 牟少华, 周 桔, 等. 世界长跑技术的演进规律及我国长跑技术努力方向研究[J].云南师范大学学报, 2007,26(14):74-77.

[22] 廖八根, 杨 明. 运动致骨骼肌纤维类型转换的机制[J]. 中国老年学杂志, 2010, 30(16): 2382-2385.

(2013-12-31收稿 2014-05-20修回)

(责任编辑 梁秋野)

Evaluationmodelofenduranceperformanceinmilitaryacademystudents’ 5000-meterrunningbasedongraycorrelation

ZHANG Tongshuo1, BO Hai2, Qin Yongsheng2, and PENG Peng2.

1. No.18 Team of No.2 Student Brigade， 2. Deparment of Military Training Medicine, Logistics University of Chinese Armed Police Forces, Tianjin, 300309, China

ObjectiveTo analyze the correlation between the performance of military academy students’ 5000-meter running and their exercise physiology indicators associated with 5000-meter running so as to make further efforts to arrange training projects scientifically and provide a theoretical basis for military academy to improve the training quality of 5000-meter running.Methods5000-meter running performance and 12 exercise physiological indexes grouped into four categories (including anthropometry, cardiorespiratory function, velocity fitness and strength fitness) of 58 students from a military academy was measured by cluster sampling method. Gray correlation model was established to analyze the collected data. Then BP neural network model was used to verify the evaluation results.ResultsAccording to the order, the five main factors influencing the performance of 5000-meter running were VO2max, heart rate of 5000-meter running at fixed workload, performance of 2000-meter running, fat rate and FVC index.BP neural network model was able to accurately evaluate the endurance performance of 5000-meter running with VO2maxand heart rate of 5000-meter running at fixed workload.ConclusionThe factors screened by gray correlation model are reasonable and credible. Suggest military academy should consider arranging some training projects which contribute to improvement of cardiopulmonary function and drop of fat rate. By this way, the blindness of training is reduced so as to improve the training quality of 5000-meter running.

analysis, gray correlation; endurance performance; military academy students; BP neural network

武警后勤学院博士启动金课题(WYB201106)、武警后勤部科研项目(WJHQ2012-21)、武警部队后勤部卫生部科研项目(WJHQWSB2013-5)、武警后勤学院科研创新团队项目(WHTD201308)

张桐硕，在读本科生，E-mail: zhangtongshuo@yeah.net

300309天津,武警后勤学院：1.学员二旅18队，2.救援医学系军事训练医学教研室

彭 朋，E-mail: doctorpeng2006@126.com

R872.6