基于灰色神经网络的体育成绩预测研究（行业资料）.docVIP

基于灰色神经网络的体育成绩预测研究（行业资料） 文档信息 ： 文档作为关于“行业资料”中“大学资料”的参考范文，为解决如何写好实用应用文、正确编写文案格式、内容素材摘取等相关工作提供支持。正文5498字，doc格式，可编辑。质优实惠，欢迎下载！ 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：基于灰色神经网络的体育成绩预测研究 2 1灰色神经网络模型 2 2灰色神经网络体育成绩预测模型的应用 4 3结论 5 文2：基于神经网络的货运距离预测研究 6 一、神经网络概况 6 （一）BP神经网络 6 二、模型构建 7 （一）数据准备 7 （二）模型的构建与过程 7 三、预测分析 8 参考文摘引言： 9 原创性声明（模板） 10 文章致谢（模板） 10 正文 基于灰色神经网络的体育成绩预测研究（行业资料） 文1：基于灰色神经网络的体育成绩预测研究 Key words: sports achievements；GM （1，1）；BP neural networks；predictive model 0引言 学校注重学生的整体培养，学生身体素质的提高和体育课程有着不可或缺的关系[1]。体育学习的好坏的评定指标很多，分数无疑是评定的最重要的方式[2]。通过分数的把握不仅能够反映学生对体育的兴趣也能进一步预测学生未来的身体素质，因此体育成绩的合理评定反映了时代的需要和国家体育投入的战略方向，有着举足轻重的作用[3-4] 随着现代数学和计算机技术的发展，灰色理论、模糊数学、神经网络等新理论在预测中得以广泛使用。灰色预测模型适用于分析数据量小的非线性、不确定系统的数据序列，但存在误差较大的问题[5-6]。而人工神经网络具有强大的自我学习功能，能够对可预测的数据进行训练，从而实现对某些特殊情况的出现进行预测，但要求样本量大[7]。因此，本研究通过将灰色预测与神经网络相结合的方法，建立了体育成绩预测模型。以某大学2008-2013年体育成绩为数据输入，通过2014年的体育成绩作为模型验证，来预测2015年的体育成绩，以此来把握学校体育政策的制定。 1灰色神经网络模型 灰色预测 灰色预测是通过原始数据的处理和灰色模型所建立起来的一种新型理论，通过发现、掌握系统发展规律来对未来状态作出科学的定量预测[8]。GM（1，1）为灰色预测模型中最为普遍的预测模型。建模前对原始数据进行预处理，设原始时间序列为X（0），并记作X（0）=[X（0）（1），X（2），…，X（0）（n）]，做一次累加，生成序列X（1）=[X（1）（1），X（1）（2），…，X（1）（n）]，称X（1）为X（0）的一阶累加生成序列 灰色预测模型可在小数据量情况下对非线性、不确定系统的数据序列进行预测。但是其预测误差往往偏高，特别是当系统中出现特殊情况时，就会出现异常数据，从而破坏预测数据的稳定性，预测误差会大幅上升。 BP神经网络 BP神经网络[9]是一种按误差逆传播算法训练的多层前馈网络，其结构一般分为3层：输入层、中间层（隐含层）和输出层，如图1所示，特点是：各层神经元仅与相邻层神经元之间有连接；各层内神经元之间无任何连接；各层神经元之间无反馈连接。 BP算法的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入层传入，经各隐含层逐层处理后，传向输出层。若输出层的实际输出与期望的输出不符，则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐含层向输入层逐层反传、并将误差分摊给各层的所有神经元，从而获得各层神经元的误差信号，此误差信号即作为修正各神经元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程，是周而复始地进行的，权值不断调整的过程，也就是网络的学习训练过程。此过程一直进行到网络输出误差减少到可接受的程度，或进行到预先设定的学习次数为止。 人工神经网络具有强大的学习功能，能够对可预测的突变数据进行学习，从而实现对某些特殊情况的出现进行预测。但人工神经网络需要大量样本数据，训练数据不仅要求数量多而且要具有广泛的代表性。 灰色神经网络 灰色预测模型是在利用灰色预测模型对样本数据进行预测时，由于系统中的特殊情况使数据具有波动性，预测误差较大，而BP神经网络可以通过实际值对GM（1，1）模型预测值进行训练，运用BP神经网络拟合函数的优势，进而对模型进行修正，使预测精度得到大幅提高。 灰色神经网络的实现步骤如下： ①选取样本数据，对数据进行归一化处理，建立GM（1，1）模型； ③将数据序列P作为神经网络的输入向量，T作为神经网络的输出向量，训练BP神经网络，得到网络中对应于每个结点的一系列权值和阈值； ④用已建立的