基于数据分析的军人战斗体能训练与评估

2019-09-27衡祥安曾子林

中国体育科技 2019年8期

衡祥安，曾子林

关键字：战斗体能；数据分析；体能训练；量化评估

0 前言

美国陆军战斗健身测试指出，诸多的体能因素在训练实践中并不能独立形成，身体训练不应仅限于力量、耐力等体能因素，更要重视体能与军人专业技术和动作技能的融合，避免过分强调速度、协调、柔韧等体能概念而误导训练（United States Army net，2018）。我军的体能训练同样以实战需求和战斗任务为牵引，按照训练条令条例和大纲规定，分为基础体能、实用技能、岗位能力和综合应用训练。从战斗力生成过程看，在身体机能训练基础上，战斗要素逐渐增加，最终目的是使身体机能满足战斗任务的需要。在战斗体能训练中，针对不同环境、不同阶段、不同时期、不同作战任务和不同军兵种的不同专业岗位，战斗体能训练内容、方法和手段也有所不同，如针对高寒山地作战的高寒适应能力训练和低压缺氧能力训练，针对渡海登岛作战的抗眩晕能力训练和强渡水域能力训练等。综上，需要对战斗体能训练及评估等相关概念进行明确。

传统的体能训练主要根据组训人员的相关经验来制定训练目标和训练计划，评估方法以定性方法为主，缺乏一定的客观性和科学性。训练数据能够较客观地反映受训者的训练状态、水平以及能力生成过程，因此，本研究面向战斗任务，以军校学员为研究对象，采集各类训练数据，通过对训练数据的分析寻找训练规律，创新训练方法，进行有针对性的训练。在对训练结果的评估上，从战斗任务出发，自顶向下建立战斗体能评估模型。

1 战斗体能相关概念

战斗力是武装力量遂行作战任务的能力，由人、武器装备和人与武器装备的结合等基本要素构成。体能是指人体器官系统的机能在体育活动中表现出来的能力，体现的是人在身体机能方面的能力，即身体素质，是战斗力的载体（陈博，2007）。而战斗体能是指军人为了能够满足战斗或岗位职责的需要，遂行任务并能持续战斗以取得胜利的身体工作能力，除了身体机能外，更体现了在战斗行动中身体机能与武器装备、战场环境和战斗技能等因素的结合，是战斗力载体在战斗中贡献出的具体能力（图1）。

图1 战斗体能概念Figure 1. Concept of Combat Physical Fitness

战斗体能训练是指在身体素质训练的基础上，为了让身体机能更能满足战斗需要所进行的针对性训练（李朝武等，2016）。它是将战斗体能转化为战斗力的一个重要环节，是军事技战术训练的基础。由于军队组织训练的特殊性，战斗体能训练一般采取集体组织、个体参与的形式进行，部分训练科目存在群体间的协调配合。对受训者来说，由于兵源、训练经历等因素的不同，个体间存在很大差异，需要在统一组织训练的基础上对负荷大小、训练方法等方面进行有针对性的安排。战斗体能训练有明确的目的性和计划性，任务部队需要在特定的时间具备相应的战斗能力水平，这是部队保持战斗力的需要，因此，需要基于训练数据分析制定明确的训练目标和计划，保证决策的科学性和有效性。

战斗体能评估是指面向具体战斗任务，对军人完成任务应具备的身体机能和适应能力进行评估，其本质是评估身体机能对完成战斗任务的贡献程度，而非一般意义上对身体机能的考核评估。战斗体能考核评估的目的是通过完成战斗任务的评估结果反馈，根据评估模型，预测完成某项战斗任务所需的基础体能水平，对训练目标和计划的制定给予科学指导。

2 战斗体能训练数据采集

军校学员的战斗体能训练，在训练内容和科目设置上，主要包括基础体能、实用技能、岗位能力和综合应用训练。其本质是按照战斗力生成的规律，从基础体能训练开始，逐渐将体能与武器装备、战场环境、战斗技能等要素结合起来，直至能满足遂行战斗任务的需求（李朝武等，2016；张起超，2017）。

2.1 数据采集对象

军校学员主要有两种类型，高等教育类学员和任职培训类学员。在教学训练中，高教类学员注重能力的生成，在体能训练方面，随着年级的增加，逐步在基础体能训练基础上融合技能、岗位专业和实战科目，对训练数据的分析重在发现能力的生成过程和规律；任职培训类学员更注重能力在作战中的应用，主要结合战术背景进行综合性训练，对训练数据的分析重在评估体能对战斗行动的支撑作用。

2.2 数据采集类型

采集数据类型分为3个维度：1）生物指标维度，包括身体形态（如身高、体重、臂长、心脏纵横径、胸围等）、机能指标（心率、血压、肺活量、血氧、血糖等）和生物特征（DNA、RNA等），该维度是对各项能力的静态测度；2）能力表现维度，包括过程数据和结果数据，过程数据是训练过程中产生的数据，如区间步数、阶段时间（RFID）等，结果数据包括训练成绩、考核成绩、比武成绩和演习表现等，该维度是各项身体机能在具体行动中的运动表现；3）战斗任务维度，包括天气、战场环境、战斗任务描述等，是对具体战术行动任务的描述（图2）。这3个维度的数据互有关联，例如，在进行5 km越野训练时，既要采集训练时的心率、训练前后的血压、血氧等数据，又要采集训练成绩、步数等数据，同时还要记录训练时的天气、场地、携带武器装备、协同等任务相关数据。

图2 数据采集类型Figure 2. Type of Collected Data

2.3 数据采集方法

数据采集方法包括自动采集、人工采集两种方式。在训练数据中，能力表现维度中的结果数据包括日常训练数据、定期考核数据和比武竞赛数据，数据量大，是采集的重点。受采集设备、组训模式和经费的限制，该维度数据主要依托陆军步兵学院数字化校园建立训练数据采集与分析系统，采用自动与人工相结合的方式进行常态化采集维护。自动采集通过两种方式：1）智能手环采集日常步数、心率、睡眠等数据（Yuan et al.，2016）；2）障碍场、跑道上设置的RFID感应设备采集通过各区间段的时间数据，这类数据是训练过程中产生的数据，训练的最终成绩以半人工采集为主，借助部分智能化设备提高采集效率。

2.4 数据使用机制

为保证人工采集数据的真实性，本研究对训练、考核和比武数据的采集和使用机制做了一定的区分。日常训练科目众多，训练频繁，一般由被训者（或被训单位）自主组织，数据采集量大，训练数据由被训者（或被训单位）自主持续采集上报，反映的是日常的训练情况，从长期的数据可以分析出体能的生成过程和训练规律（张冉冉，2019）。但为了保证数据的真实性，日常训练数据不能作为评估训练质量的主要依据，更不能用在考评、评比上。定期考核科目有明确的规定，一般由考核人员组织，学员普遍参考，其权威性较高，考核数据是进行考评、评比的主要依据，体现了训练的阶段性成果。比武竞赛科目可看成是具体战斗任务，一般是多个科目的组合，实战化程度较高，与战斗任务结合紧密，参赛学员一般为训练尖子，体现了部队训练的最高水平，分析时可作为最高标准的参考。

3 基于数据分析的战斗体能训练指导

战斗体能训练有很强的针对性，不同的战斗任务、专业岗位，对体能的要求不尽相同。利用大数据技术对多维度训练数据进行关联分析和深度挖掘（王王，2017；袁守龙，2018），是研究战斗体能训练规律和创新训练方法的新途径，本研究主要采用统计分析和关联分析两种分析方法。

3.1 统计分析

统计分析是最基本直观的分析方法，可以通过对数据分析各科目记录值频率的分布、最大值、最小值、均值、方差、中间值及异常点，结合训练计划进行横向和纵向的对比分析，发现不同类型人员在训练中存在的问题，吸收借鉴好的训练方法，进而调整科目设置、组训方式、时间安排和训练强度，以达到更好的训练效果。通过利用假设检验方法可以对不同的组训方式进行比较，进而挑选出有效的组训方式。通过对战斗体能训练记录类似的单位和个人进行聚类分析，可以区分训练等级，将训练水平相当的人员组成训练小组。通过利用主成分分析方法对所有记录进行关键因素抽象提取，可以分析对某一项目影响最大的关键科目，进行有重点的训练。

大比武科目为陆军步兵学院军事体育教研室自创的一个战斗体能竞赛项目。图3是对某次大比武中400 m障碍成绩进行处理后的各类统计对比，通过分析可以发现不同类型单位、专业、学员的训练情况。例如15队、16队学员的平均水平明显低于其他队，这两个队隶属同一个大队，说明该大队体能训练的程度不足，需在后期加以改进；12队学员成绩比较集中，学员间成绩差距不大（图3A）；摩托化步兵分队指挥专业学员400 m障碍的异常值较多，在平时训练中应有重点的对这部分学员给予关注，科学制定训练计划，通过相互帮带的方式提升整体水平（图3B）；每个专业的推荐学员（比武分为推荐学员和随机抽选学员员）平均成绩和尖子成绩均优于抽选学员，但下限不如抽选学员，且方差较大，说明推荐学员本身个体之间差别较大（图3C）；分流以及优秀士兵保送学员成绩普遍优于大学生士兵提干和国防生学员，提示，需要加强国防生和大学生提干学员的体能训练，这也说明，不同兵源以及训练经历等因素对成绩均有影响（图3D）。

3.2 关联分析

军事体育训练内容主要分为基础体能训练、实用技能训练、岗位适应训练、综合应用训练4个方面。这4个方面覆盖从基础到应用，且训练科目之间存在相互支撑作用，比如，基础体能的训练成果（如哑铃、原木、俯卧撑）对实用技能的生成（如400 m障碍、格斗）有一定程度的影响；而岗位适应训练（如高寒适应）与综合应用训练（如军事五项）的结果，也在一定程度上受基础体能与实用技能训练成果的影响（刘莉，2016）。

利用散点图、相关系数、回归分析、信息熵等方法可对各科目训练数据进行关联性分析，发现体能与技能、战术训练之间的关联性，以此为基础进行科学组训，可以避免重复性科目设置，提高训练效益。还可以利用关联性分析结果评估军人战斗体能各科目训练成果对完成某项战斗行动的支撑程度，用以指导不同任务部队的体能训练。

图4是某次大比武中极限射击项目中射击成绩与战术行动时间的关联性分析结果，可以看出，射击成绩与战术行动时间呈明显负相关态势，即战术行动耗时少的学员往往射击成绩较好。这说明，战术行动耗时少的学员有充足的时间调整状态，让身体状态达到稳定后，射击成绩受体能消耗影响较小。而战术行动耗时多的学员，往往身体处于疲劳状态，短时间内难以调节，对射击成绩有较大影响。该关联性分析结果从侧面说明，体能与技能训练相辅相成，技能的发挥直接受体能的影响。在战斗体能的实际训练过程中，应尽量减少战术行动时间，及时调整身体状态，来获得更好的射击成绩。

图3 某次大比武400 m障碍成绩统计Figure 3. Statistical Charts of 400 m Barrier in Once Match

图4 射击成绩与战术行动时间关联图Figure 4. Association Between Shooting Results and Tacial Operation Time

图5是对某学员队某月训练数据进行的各科目关联性分析图，图中颜色越浅，表示关联性越强，可以看出手榴弹投远与双杠臂屈伸、俯卧撑、引体向上存在较强的相关性，因此，在训练时间和内容安排上，可以适当压缩相同的部分并根据受训者基础，采取循序渐进的方式选择适当强度的科目进行练习。同样，30 m折返跑和T形跑也具有一定相关性，提示这两项可以合并训练。

上述关联性分析结果虽然大多可以用经验进行解释，但当科目之间相隔的层级较多，特别是当战斗任务需要完成多项复杂的运动时，通过经验很难定量地判断各项科目的训练对成功执行该项战斗任务的贡献程度，而通过将演习、比武、训练数据进行关联分析，可定量化评估各层次训练科目对完成任务的贡献程度，提高训练的针对性和效率。例如，教学训练过程中，在展开军事技能类科目训练前，首先通过对数据的关联性分析找出支撑该技能科目的几项核心体能科目，提前对受训学员进行针对性强化训练，能够大幅度提升技能类教学训练的效果。

图5 某学员队各科目关联性分析图Figure 5. Association Analysis Among Different Subjects in a Team

4 基于数据分析的战斗体能评估

4.1 评估的目标

军事体育训练大纲所明确的体能评价标准，是针对某一具体训练和考核科目的评价标准，反应的是军人在上述某一方面、某一具体科目上的单项能力，具有一定的规范性。而战斗体能的评估，是建立在具体的战斗任务基础上，评估的是军人遂行该项战斗任务时体能的支撑程度。由于战斗任务多样，对战斗体能的评估没有明确规范，需要针对战斗任务进行具体分析，评估内容包括基础体能以及体能与战斗任务所涉及的环境、装备、技能的结合能力，最终目的是在对各单项能力评估的基础上，进一步系统化评估其对完成该项战斗任务的贡献。

4.2 评估的意义

1）以作战能力牵引体能训练。体能是作战能力生成的基础，军人体能训练的根本目的在于提升作战能力。围绕战斗体能对完成任务的贡献程度进行定量化评估，能够加强体能训练的针对性。

2）以量化评估促进科学训练。在战斗体能训练过程中，通过对参与训练官兵的身体机能、负荷强度等进行实时评估，自动采集、存储、分析相关数据，可以为训练提供及时有效的信息，训练组织者可以根据评估结果科学制定和调整训练计划，降低训练过程的不可控性，提高训练的针对性和有效性（柯强，2018）。

3）以科学评估辅助指挥决策。战斗体能评估是战斗力评估的重要组成部分。面向战斗任务进行战斗体能定量化评估，能向指挥员提供所属部队和人员完成该项任务的体能状况信息，指挥员可将此作为筹划人员配备、作战编组和制定战术的辅助依据。

4.3 评估的方法框架

战斗体能包括基础体能以及基础体能与技能、环境、武器的结合能力。可从运动素质的4个维度：力量、速度灵敏、耐力、柔韧，定义基础体能（顾琼，2009；李沁筑等，2011）。基础体能Cb可定义为由力量V1、速度灵敏V2、耐力V3、柔韧V4组成的四元组。

则战斗体能Cc可定义为：

Μ1，Μ2，Μ3分别表示基础体能与技能、基础体能与武器、基础体能与环境的结合程度。战斗体能反应的是在特定作战任务下，基础体能与技能、武器、环境结合后展现出来的用于遂行战斗任务的机体运动能力。

大比武主要考核学员3～5 km内的长途奔袭、战场移动以及战场适应能力，包括3000 m武装组合、400 m障碍、手榴弹投掷、5 km武装越野等科目，其中，3000 m武装组合要求学员携装跑1.5 km、扛原木奔跑0.5 km、佩戴防毒面具模拟通过沾染地带奔跑1 km，最后在终点处进行射击或投弹。由于大比武科目综合性、实战性较强，能够较好地模拟在一定战场环境下完成某项战斗任务的情况，因此，本研究以大比武科目为战斗任务，按照自顶向下，逐级分解的方法，通过机器学习算法建立大比武科目与基础体能科目、岗位适应科目及实用技能科目间的映射关系（王斌，2011）。

采集大比武各科目及定期考核数据作为数据源，其中考核数据包括了基础体能科目、岗位适应科目以及实用技能科目成绩。将采集的数据通过去除重复样本、错误纠正、标准化等步骤进行数据清洗，保存成数据库文件或csv格式文件，为下一步数据加载和分析做准备。然后，对数据进行统计分析，找出每列的最大、最小值、平均值、方差、中位数、四分位数等，大致了解数据的分布规律，还可分析各科目之间的关联性，确定关联系数，根据关联系数进行特征选择，找出影响大比武各个科目成绩的主要因素。再对原数据集进行拆分，建立每个大比武科目及其相关考核科目的数据集，形成训练集和测试集。根据数据集特征，确定合适的算法，例如，决策树、神经网络、支持向量机、随机森林等对拆分后的数据集进行学习（韩曜权等，2018；彭勇，2013）。建立考核科目与大比武科目之间的映射关系，得到评估模型，当输入新的考核科目成绩时，可根据评估模型预测其大比武竞赛成绩，即对完成某项战斗任务的能力进行评估预测，评估结果可结合专家经验进行修正，随着训练数据的增加，逐步完善完成某项战斗任务的体能评估模型（图6）（鞠儒生等，2018）。