我国优秀十项全能运动员成绩的灰色关联分析及灰色GM（1，1）预测模型的建立.docVIP

我国优秀十项全能运动员成绩的灰色关联分析及灰色GM（1，1）预测模型的建立 　　摘 要： 　　对我国优秀十项全能运动员的成绩结构特点进行深入研究，运用灰色理论与方法，对其成绩进行多层次的灰色关联分析，为其进行科学和系统的训练，在成绩上争取更大的突破提供一定的理论指导。运用灰色系统建模理论建立我国十项全能运动成绩的灰色GM（1，1）预测模型，对我国今后十项全能运动的发展趋势作进一步的预测。 　　关键词： 田径；十项全能；灰色关联；预测模型 　　中图分类号： G 825.1 文章编号：1009783X（2012文献标志码： A 　　田径运动中十项全能运动是一项对运动员的技术、身体素质，〖JP3〗以及心理素质要求都非常高的运动项目，它由包括跑、跳、投在内的10个单项组成，有“田径之王”的称号。全能运动是田径运动中最古老的项目，其竞技水平的高低在一定程度上反映着一个国家田径的整体水平。近年来，世界十项全能运动的发展很快，而我国十项全能的水平却难见明显起色，与世界水平差距有越拉越大之势。运用灰色关联和灰色建模理论对我国优秀十项全〖JP〗能运动员的成绩进行多层次的灰色关联分析，建立十项全能运动成绩的 　　灰色GM（1，1）预测模型，旨在了解我国优秀十项全能运动员的成绩结构特点，以及未来成绩的发展趋势，为我国十项全能运动的健康快速发展提供理论上的指导和帮助。 　　1 研究对象与方法 　　1.1 研究对象〖JP3〗 　　选取第6～10届全运会男子十项全能各前8名运动员为研究对象，将他们的平均总得分、平均各单项得分进行统计，见表1。 　　1.2 研究方法 　　1.2.1 文献资料法 　　通过中文期刊网等相关网站查阅有关全能运动文章30多篇，阅读专著3部。通过第10届全运会官方网站搜集整理第6～10届全运会男子十项全能各前8名的运动员的成绩资料。 　　1.2.2 数理统计法 　　运用灰色关联的方法，对第6～10届全运会男子十项全能各前8名的运动员的成绩进行统计分析。运用灰色建模理论建立我国十项全能运动成绩的GM（1，1）预测模型。 　　2 我国优秀十项全能运动员成绩的灰色关联分析 　　2.1 我国优秀十项全能运动员总成绩与各类项关联度及权重值计算 　　2.1.1 确立母序列及子序列 　　将总分定为母序列，以符号[x0（k）]表示，4个类（速度类、 　　3 结果与分析 　　3.1 我国优秀十项全能运动员总成绩与各分类项的关联度分析 　　十项全能总成绩是由速度类（100 m、400 m 、110 m栏）、跳跃类（跳高、跳远、撑杆跳高）、投掷类（铅球、铁饼、标枪）和耐力类（1 500 m）4个子系统构成。运用灰色关联分析法对我国优秀十项全能运动员的成绩进行系统的分析，可以清晰地看出其总分与各类项关联度，以及各类项权重的大小，根据这一结果可以确定该运动员的主导项群，关联度越大，说明该类项对总分的影响越大。如果关联度非常接近，还可以通过权重大小来确定该类项在总成绩中所占的比重 。表4显示，在我国优秀十项全能运动员的成绩结构中，总得分与各类项的关联度排序为跳跃类→速度类→投掷类→耐力类，关联系数分别为0.881 2、0.828 2、0.802 5、0.637 3。通过表4的数据可以很明显看出，跳跃类项目与总分的关联度非常高，是我国十项全能运动员的优势项目，并且优势很大。速度类项目与总得分的关联系数为0.828 2，关联度也较高。相比而言，投掷类和耐力类项目与总分的关联度较低，尤其是耐力项目，关联度只有0.637 3，是我国十项全能运动员的明显弱项。 　　我国优秀十项全能运动员成绩结构的这一特点与大多数世界优秀运动员非常相似。根据郑颐乐的研究，世界优秀十项全能运动员总得分与各类项关联度的排序也是跳跃类→速度类→投掷类→耐力类[1]；但是，如果再仔细研究各类项所占的权重的话，就会发现，我国运动员与世界优秀运动员有着明显的不同。其中最明显的就是，我国运动员各类项的发展非常不均衡性，各类项之间权重差距较大。从表4见，在各类项所占的权重中，跳跃类为0.281 4，速度类为0.264 4，而投掷类为0.250 5，耐力类仅为0.203 5，跳跃类和耐力类的差值达到0.077 9。而根据卢刚等人的研究，雅典奥运会冠军塞布勒各类项所占的权重分别为0.263 8、0.263 3、0.254 6、0.218 3，相对非常均衡[2]。不难看出，与世界优秀运动员相比，我国优秀十项全能运动员的投掷类和耐力类项目的得分能力明显偏弱，总成绩的提高对跳跃类和速度类项目，尤其是跳跃类项目的倚重较大。 　　我国十项全能运动员成绩之所以表现出这样的结构特征，原因有二：1）与我国十项全能运动员的选材有关。在我国从事十项全能运