摘要：运用Matlab仿真分析平台，采用人工神经网络函数映射方法，根据我国100 m栏运动员刘静1995—1998年的专项素质数值，构建并选用合适的BP神经网络建立女子100 m栏运动员专项成绩预测模型。计算结果表明，该模型预测精度高，且其拓展应用可为女子100 m栏运动员科学训练提供重要理论指导。
关键词： 100 m栏；高水平运动员；女子短跑；神经网络
中图分类号： G 822.6 文章编号：1009783X(2012)03026503 文献标志码： A
收稿日期：20100517
基金项目：中央高校基本科研业务费专项资金资助”（SWJTU11BR121 ；SWJTU11BR122）。
作者简介：宋爱玲（1977—），女，山西大同人，硕士，副教授，研究方向为体育教育训练；刘静（1977—）女，四川人，硕士，讲师，研究方向为体育教育训练；李征（1979—），男，四川人，博士，讲师，研究方向为体育教育训练。
作者单位：1西南交通大学体育部，四川 成都 610031；2西南民族大学体育学院，四川 成都 610041
1.Department of Physical Education,Southwest Jiaotong University,Chengdu 610031,China；2.Basketball Teaching & Research Section,Capital Institute of Physical Education,Beijing 100088,China. 运动员专项成绩与身体素质训练水平之间存在明确的函数映射关系[12]，通过建立运动员专项成绩与身体素质关系的理论模型，可实现运动员专项成绩的准确预测，并可为制定身体素质的备战训练提供科学的理论依据。
目前，运动员专项成绩与身体素质关系理论模型的建立一般采用多元回归方法和灰色方法，这些方法的收敛性、适应性及预测精度均受到不同程度的限制，因而预测效果不佳[35]。文献[68]利用人工神经网络强大的函数映射能力对训练样本进行学习，克服了多元回归方法和灰色方法所建数学模型的缺点，建立了多个项目运动员精确的专项成绩预测模型；然而，到目前为止，仍未有女子100 m栏运动员相关预测模型的文献报道。有鉴于此，本文基于Matlab仿真分析平台，以我国女子100 m栏冠军刘静的专项成绩与素质训练水平为学习样本（见表1），利用人工神经网络函数映射方法，建立了其专项成绩预测模型。该模型预测精度高，且其拓展应用可为女子100 m栏运动员科学训练提供重要理论指导。
利用以上曲线，教练员和运动员可分析出各项素质训练水平对专项成绩的影响程度，据此，可科学合理地安排运动员的训练，提高比赛成绩。
3 结论
运动员专项成绩与身体素质训练水平之间存在明确的函数映射关系，通过建立运动员专项成绩与身体素质关系的理论模型，可实现运动员专项成绩的准确预测，并可为制定身体素质备战训练提供科学的理论依据；因此，本文基于Matlab仿真分析平台，利用人工神经网络函数映射方法，建立了女子100 m栏运动员专项成绩预测模型。该模型预测精度高，且其拓展应用可为女子100 m栏运动员科学训练提供重要理论指导。
参考文献：
[1] 张正红，刘志兰.刘翔分段成绩与专项成绩的灰色关联综合分析及模式化训练途径[J].武汉体育学院学报，2008，42(4)：9092.
[2] 赵永寿.关于构建铅球运动员成绩的人工神经网络预测模型的研究[J].北京体育大学学报，2006，29(4)：486488.
[3] 袁磊.世界优秀男子跳高运动员身体素质与专项成绩相关关系的递归神经网络模型构建[J].北京体育大学学报，2008，31(2)：202204.
[4] 钟平，龚明波.链球运动员身体素质与专项成绩相关关系的神经网络模型[J].广州体育学院学报，2004，24(1)：3335.
[5] 钟武，唐岳年.铅球运动员专项成绩的神经网络预测模型的构建[J].西安体育学院学报，2005，22(3)：7881.
[6] 刘志兰，龙斌，王阳春,等.基于BP神经网络的刘翔成绩与分栏时间预测模型研究[J].兰州交通大学学报，2008，27(5)：177180.
[7] 邓云玲，张广林，许世岩,等.男子110 m栏运动员专项能力指标体系与成绩预测模型的构建[J].西北师范大学学报：自然科学版，2007，43(2)：98101.
[8] 陈海英，郭巧，徐力.基于神经网络的人体100 m跑运动能力综合评价[J].中国体育科技，2003，39(2)：13.
[9] 葛哲学，孙志强.神经网络理论与Matlab R2007实现[M].北京:国防工业出版社，2007：36.
[10] 宋爱玲，陈锴.110m栏世界及我国选手刘翔最好成绩的灰色模型及其预测[J].首都体育学院学报，2003，(4)：6869.