Elman型回归神经元对男子100m自由泳成绩预测的研究.docVIP

Elman型回归神经元对男子100m自由泳成绩预测的研究 　　摘要： 将Elman动态回归神经网络预测方法应用于男子100m自由泳成绩的预测，通过对自1972年历届奥运会男子100m自由泳决赛成绩的历史数据归一化处理，组成一个从输入到输出的非线性映射，并利用MATLAB软件对其进行学习与训练的仿真实验，证明Elman神经网络可以较精确的应用于游泳成绩的预测。 　　Abstract： The prediction method of Elman dynamic regression neural network was applied in prediction of performance of mens 100m freestyle, and a nonlinear mapping from the input to the output was constituted through the normalization processing of historical data of the final results of the Olympic mens 100m freestyle since 1972, it was studied and simulation experiment was trained by using MATLAB software, and then it proved that Elman neural network could be more precisely applied in prediction of swimming performance. 　　关键词： 神经网络；Elman；MATLAB；游泳；成绩预测 　　Key words： neural network; Elman; MATLAB, swimming; achievement forecast 　　中图分类号：G86文献标识码：A文章编号：1006-4311（2011）08-0203-01 　　 　　1研究对象与研究方法 　　1.1 研究对象本文研究对象为1972年-2008年历届奥运会男子100m自由泳决赛运动员参赛成绩（下简称成绩）。 　　1.2 研究方法运用Elman神经网络预测模型对运动员成绩进行预测需要提前对样本进行矩阵，以保证样本间条件的一致性。运算时所采用的模型规模将根据样本数量和条件进行相应调整（详见正文2.2）。通过对1972年历届奥运会男子100m自由泳决赛成绩的历史数据归一化处理，组成一个从输入到输出的非线性映射，全部运算采用MATLAB软件实施网络进行学习与训练仿真实验。 　　2建立男子100m自由泳预测模型 　　2.1 预测样本设计由于预测行为的结果不能精确归一到某个单一值上，故选取历届奥运会决赛的前8名成绩作为输入数据，预测输出结果由8个数据组成一个范围作为最后参考成绩。将样本分为训练集和测试集。将1972-2000年奥运会成绩作为测试集即训练输入；2004年奥运会成绩作为训练输出。再将1972-2004年奥运会成绩的处理结果作为即为测试输入；2008年奥运会成绩作为测试输出，进一步验证预测模型计算结果与实际数据拟合度。 　　规定网络输入元素的范围应在[0，1]之间，由于男子100m自由泳决赛成绩最大变化范围可在[0，60]s之间，所以需要对网络输入元素提前进行归一化处理。研究采用最小―最大归一化法对原始数据进行归一化处理（线性变换）。把所有的数据按下式计算：P=所得数据都归一化为0到1之间的数―P。 　　2.2 预测Elman神经网络模型设计下式是可作为最佳隐单元数时的参考公式：n=+a。 　　公式中的m为输出神经元数，n为输入单元数，a为[1，10]之间的常数。由于本实验选取n=8，m=1；由此得出：隐含层单元数n1应该在4～14之间选取。为全方面考察预测系统的最佳性能，实验时分别令n1等于4～14，通过训练、预测计算之后，再分别比较每组数据的预测值与实际测量值之差的方差，选择无偏方差最小值时的n1作为最好的隐含层单元数，最后确定隐含层单元数n1=10。 　　3Elman神经网络预测的MATLAB实现 　　Elman神经网络设计代码如下： 　　n1=10; 　　Input=[0 1; 0 1; 0 1; 0 1; 0 1; 0 1]; 　　net=newelm(Input,[n1,1],{tansig,purelin}); 　　上述指令作用是：规定网络输入元素的矩阵格式和范围，[n1,1]和{tansig,purelin}表示网络中间层神经元数目为n1（n1=10），传递函数为tansig，输出层神经元数目为1，传递函数为purelin。接