基于误差反向传播神经网络的大学生身体素质能力预测与应对方法

张 旭 徐凤谦

（中国石油大学〔北京〕,北京 102249）

大学生体质健康一直是学校体育教学改革和研究的重点，为积极落实2014年教育部新修订的《国家学生体质健康标准》，本文以中国石油大学（北京）女学生体测成绩为基准，研究分析女大学生体测成绩变化水平。由于女生在身体形态、生长发育、生理周期的很多方面具有一定的特殊性，判断其未来身体素质走向，依据预测结果确定提高女大学生身体素质水平的指导性方案是十分有必要的。因此，设计一种高效率的大数据预测模型是高校体育领域的一个重要研究问题。本文利用机器学习的算法，对中国石油大学（北京）女学生身体素质及体测成绩进行了分析，以2014级和2017级同学为例，发现女大学生总体体质水平呈现下滑趋势，如图1所示①。

图1 女生2014级和2017级体质测试成绩对比图

究其主要原因，在步入大学生活后，由于刚刚开始独立生活，完整的价值观尚未形成且判断力尚且不足，且随着科技的发展，大学生更加容易选择不健康的生活方式，“足不出户”致使大学生运动量减少，缺乏积极向上、丰富多彩的课外体育活动和实践活动，种种原因都造成了女大学生总体体质水平下滑。同时，由于大学时期的女生都已进入青春发育期，身体构造与心理因素影响成为女大学生身体素质下滑的另一主导因素。作为体育教育工作者，应通过组织活动或比赛的方式提高女学生运动兴趣，激发女学生体育锻炼的自觉性和积极性，帮助女学生克服心理障碍，引导学生正确健康地进行体育锻炼。

1 分析方法和思路

1.1 误差反向传播神经网络的构建

误差反向传播神经网络也被称为BP神经网络，是一种常用的神经网络，为三层结构，包含输入层、输出层以及处于二者之间的隐层。每层至少有一个以上结点，与层对应的分别为输入结点、隐结点和输出结点。隐层中的结点不直接与外界连接，但其状态影响输入结点与输出结点之间的关系。输入结点、隐结点、输出结点之间的关系通过网络系数（权重和阈值）来反映。训练前，先通过一定方法赋予网络初始权重和阈值，然后利用训练样本对网络进行训练，使网络输出满足期望需求。训练成熟后的神经网络即可投入实际应用，可用于分类、预测等决策支持。

本文参考张彦荣（2019）[1]，基于机器学习的方法构造了误差反向传播神经网络预测模型，主要包括输入层、隐含层、输出层及各层之间的传递函数几个方面。各层神经元之间是全连接的，层内无连接，且从理论上讲，BP神经网络的隐含层可以无限增加。三层BP神经网络的拓扑结构模型如图2所示。

图2 三层BP神经网络拓扑结构图

式中f(*)表示激活函数，其中函数f1为Sigmoid型激活函数，函数f2为线型激活函数。激活函数是误差反向传播神经网络的重要组成部分，且必须是连续可微的。该函数通常采用S（Sigmoid）型的对数函数或正切函数和线性函数，其中Sigmoid型可微函数可以实现输入与输出之间的任意非线性映射。目前使用最多的是Sigmoid函数，其特点是（-∞，+∞）范围的数据被映射到区间（0，1）中，可以表示为：

在误差反向传播过程中，输出层的误差函数可以表示为：

式中dk表示输出层第 k 个神经元期望输出值。本文在构建神经网络时，输出层包含一个输出单元，以下对只wij有一个输出单元的神经网络的误差反向传播过程进行说明。误差函数E 对隐含层与输出层之间的连接权值wjk求导，根据复合函数求导可得：

1.2 数据的收集与分组

本文以中国石油大学（北京）2009～2019级学生体质测试成绩作为样本数据，对未来10年该校女大学生体质测试成绩进行了预测。根据数据的特点，在每年数据的基础上取一个平均数作为观测值。在神经网络的构建中，将网络输入层的神经元个数设置为3，输出层的神经元个数设置为1，即用三个历年数据来预测下一年数据，并以此类推。

网络中隐含层节点个数的设计较为复杂，一直以来是神经网络构建的难点。在本文的神经网络的设计中，隐含层神经元节点个数通过试凑法确定，当隐含层结点数目为7的时候，发现收敛速度最快。在创建的神经网络中，隐含层的激活函数为S（Sigmoid）型的正切函数，输出层的激活函数为线性函数。

2 预测仿真检验及结果误差分析

由误差反向传播神经网络预测的女大学生未来10年各项体育测试成绩如图3所示，体质状况不容乐观。预测结果显示，未来10年该校女大学生的肺活量和立定跳远成绩呈现出波动下降的态势，且预计到2029年可能会出现成绩的持续降低，肺活量成绩达到2 990 mL，同时立定跳远成绩达到1.5 m。总体来看，这两项体测成绩较2009～2019级的平均成绩有所下降。坐位体前屈成绩在经历了短期的下滑后，未来10年将呈现出持续波动降低的趋势，值得注意的是，2029年坐位体前屈成绩预计将出现历史新低的14.5 cm。女大学生50 m短跑的用时呈现出持续增加的趋势，同时800 m跑成绩也呈现出持续增加的态势，这或许说明了大学生爆发力和耐力水平的不断下降，这些结论需要持续关注。

图3 未来10年中国石油大学（北京）女大学生体质测试成绩预测

总体来看，该校女大生未来10年的体育测试成绩呈现出滑坡趋势，速度、爆发力、耐力水平及力量等持续走低，从某种程度上说明当前女大学生身体素质状况呈现连年下滑态势，这与王祥全（2018）的研究结论相吻合[2]。针对当前女大学生身体素质持续下降的情况，应制定合理的方案，引导女大学生形成终身体育、终身锻炼的意识，以实现大幅提升女大学生身体素质的目的。同时，高校要提高对体育教育的重视度，针对学校女大学生的身体情况，引导学生形成“健康体魄是学习前提与保障”的观念，提高女大学生的身体素质，进而促进高校人才培养质量的提升。提高女大学生身体素质刻不容缓，要把提高学生身体素质作为根本任务，结合“健康中国，全民健身”的号召，切实落实教学方案与改善措施，呼吁女大学生积极进行体育锻炼。

3 结论和建议

本文以中国石油大学（北京）女大学生体育成绩的历年数据为研究对象，基于机器学习的方法构建了误差反向传播神经网络预测模型，对未来10年该校女大学生各项体测成绩进行了预测。通过构建的神经网络预测发现，未来10年该校女大学生的体育测试成绩预计将出现不同程度的下滑。建议可以采取日常体育锻炼的方式提升女大学生的身体素质水平，如可以通过长跑练习提升学生耐力素质，通过20 m折返跑的练习增大脂肪代谢强度、减少肥胖率等，以提升学生体育测试成绩和减缓身体素质下滑的趋势。如何更好地提升女大学生身体素质、调动女大学生日常锻炼健身的积极性，需要进一步给予关注和研究。

注释：

①其他年份数据显示，女大学生的体质水平下降趋势与2014级和2017级的趋势基本一致，本文以2014级和2017级为例进行了展示。