用BP神经网络理对NBA球队季后赛预测.docVIP

用BP神经网络原理对NBA球队季后赛预测 罗准辰 （六院五队 摘要：通过对NBA球队球员能力分析，利用BP神经网络对NBA球队能否进入季后赛进行预测。对30支球队球员能力值提取30个特征向量进行训练，发现输出值与实际值符合较好，说明得到的连接权能反映实际情况。用该连接权对现NBA球队预测，预测结果与实际相差较小，表明用BP神经网络方法确定对NBA球队季后赛预测的可行性。最后采用Eclipse开发系统。 关键词：人工神经网络；NBA；训练；预测 人工神经网络（Artifical Neural Network，简称ANN）理论是上世纪80年代中后期世界范围内迅速发展起来的一个前沿研究领域，其发展已经对计算机科学、人工智能、认知科学等领域产生了重要影响。近年来，世界各国掀起了ANN研究、开发应用的热潮，有关人工神经网络的新的研究成果不断涌现，目前，在人工神经网络的实际应用中，绝大部分的ANN模型是采用ＢＰ算法和它的变化形式，它是前馈网络的核心部分，并体现了人工神经网络最精华的部分。典型的ＢＰ网络是二层、前馈阶层网络，即：输入层、隐含层（也称中间层）和输出层。各层之间实行全连接。如图１所示。 图1 BP网络Fig.1 BP Neural Network ＢＰ网络的学习，由四个过程组成：输入模式由输入层经隐含层向输出层的“模式顺传播” 过程，网络的希望输出与实际输出之差的误差信号由输出层向输入层逐层修正连接权的“误差逆传播”过程，由“模式顺传播”与“误差逆传播”的反复交替进行的网络“记忆训练” 过程，网络趋向收敛即网络的全局误差趋向极小值的“学习收敛”过程。归结起来为，“模式顺传播”→“误差逆传播”→“记忆训练”→“学习收敛”过程。ＢＰ网络学习规则有时也称广义δ规则。 作者将BP算法引入NBA球队季后赛预测的研究中，通过对30支球队以往球员数据提取的特征向量训练和预测，表明ANN在该领域的光明前景。 1　NBA球队特征向量提取 ? NBA是美国职业篮球联赛，运行比较成熟，球员球队数据统计比较详细。对一支球队，如休斯顿火箭它由15个球员组成，其中每个球员的数据如下： 休斯顿火箭 1 特雷西-麦格雷迪 前锋-后卫 62 62 35.7 0.432 0.334 0.699 0.8 4.4 5.2 6.3 1.24 0.48 2.92 1.9 24.3 休斯顿火箭 11 姚明 中锋 39 39 33.7 0.504 0 0.858 2.1 7.3 9.3 2.2 0.38 1.92 3.72 3.23 24.5 数据组成形式为 ：队名 ，号码，姓名，位置，出场次数，首发次数，平均每场上场时间，投篮命中率，三分球命中率，罚球命中率，前场篮板，后场篮板，总篮板，助攻，偷球，盖帽，失误，犯规，得分。 对以上数据按算法： // Time()：平均每场上场时间 // Score()：得分 // Offreb()：前场篮板 // Defreb()：后场篮板 // Assist()：助攻 // Steal()：偷球 // Block()：盖帽 // Hittarget()：投篮命中率 // Threethrow()：三分球命中率 // Freethrow()：罚球命中率 // Turnover()：失误 ((Time()+48)/48)*((Score()+Offreb()*0.65+Defreb()*0.35+Assist()+Steal()+Block()) -(0.5- Hittarget())-(0.3-Threethrow())-(0.8- Freethrow())-Turnover())/(Time()); 得出每个球员能力值，则一直球队有15个能力值。 然后提取特征，特征选取为：明星球员数目（能力大于1.3的球员个数）；能力最高的前2个球员能力值之和是否大于2.75（大于为1，否则为0）; 能力最高的前3个球员能力值之和是否大于3.9（大于为1，否则为0）; 能力最高的前4个球员能力值之和是否大于4.8（大于为1，否则为0）;球队所属位置（东部为，西部为1）；按以上特征确定特征向量，如休斯顿火箭： 1 1 1 1 1 则30支球队形成30个5维特征向量。选取球队以往战绩，进入季后赛理想输出为1，否则为0。 BP神经网络权值确定 BP神经网络选取输入层为5个神经元，中间层为2个，输出为1个进行训练。得出权值为 Link:000 -0.15369154668870688 Link:001 0.09940293214159945 Link:010 0.3434921315194758 Link:011 0.10067570376958075 Link:020 0.2029998183