CC BY
62
3. Синдром экологической дезадаптации у детей Беларуси и пути его коррекции : метод. рекомендации / Под ред. Н.А. Гресь, А.Н. Аринчина. - Минск : [б. и.], 2000. - 54 с.
4. Теория и методика физической культуры дошкольников : учеб. пособие для студентов / Под ред. С.О. Филипповой, Г.Н. Пономарева. - СПб. : «ДЕТСТВО-ПРЕСС», 2010. - 656 с.
5. Усов, И.Н. Здоровый ребенок: Справочник педиатра / И.Н. Усов - Минск : Беларусь, 1984. - 207 с.
6. Шестакова, Т.Н. Оздоровительная и лечебная физкультура для дошкольников: Пособие для педагогов и мед. работников /Т.Н. Шестакова, Т.Ю. Логвина. - Минск : Полымя, 2000. - 176 с.
REFERENCES
1. Logvina, T.Y. (2003), Physical education, which treats: textbook, White wind, Mozyr, Belarus.
2. Logvina, T.Y. (2004), The theoretical and scientific-methodical substantiation of methods to assess the physical condition of children in the course of exercise: monograph, BGUFK, Minsk, Belarus.
3. Ed. Gres O.N. and Arinchin, A.N. (2000), Syndrome environmental maladjustment in children of Belarus and ways of its correction, method. recommendations, Minsk, Belarus.
4. Ed. Filippova S.O. and Ponomarev, G.N. (2010), Theory and methods of physical training of preschool children, publishing house "Childhood-Press", St. Petersburg, Russian Federation.
5. Usov, I.N. (1984), Healthy Child: A Handbook pediatrician, publishing house "Belarus", Minsk, Belarus.
6. Shestakova, T.N. and Logvina, T.Y. (2000), Wellness and therapeutic exercise for preschoolers, publishing house "Polymya", Minsk, Belarus.
Контактная информация: vf-kost@mail.ru
Статья поступила в редакцию 10.08.2016
УДК 796.894
МЕТОДИКА ПРОГНОЗИРОВАНИЯ СОРЕВНОВАТЕЛЬНОГО РЕЗУЛЬТАТА В
ПАУЭРЛИФТИНГЕ
Алексей Борисович Лукьянов, аспирант,
Уральский государственный университет физической культуры, Челябинск
Аннотация
В статье описывается один из ключевых этапов процесса управления спортивной тренировкой в пауэрлифтинге, а именно - прогнозирование планируемого спортивного достижения на предстоящих соревнованиях. Авторы позиционируют дифференцированное прогнозирование спортивного результата в пауэрлифтинге, осуществляемое с использованием математического аппарата «нейронных» сетей.
Ключевые слова: управление спортивной тренировкой, методика прогнозирования спортивного результата, «нейронные» сети, пауэрлифтинг.
FORECASTING COMPETITIVE RESULTS IN POWERLIFTING
Aleksey Borisovich Lukyanov, the post-graduate student, Ural State University of Physical Culture, Chelyabinsk
Annotation
The article describes one of the key stages of the management process of sports training in power-lifting, namely, the forecasting of planned sports achievements in the upcoming competitions. The authors have positioned the differential prediction of sporting result in powerlifting carried out with the use of the mathematical apparatus of neural networks.
Keywords: management of sports training, technique of forecasting of sports result, "neural" networks, powerlifting.
ВВЕДЕНИЕ
Как известно, управление тренировочным процессом - достаточно сложная и многогранная задача, решение которой зависит от множества взаимосвязанных факторов. Одной из них является прогнозирование уровня спортивной подготовленности на плани-
руемых соревнованиях. Сложность ее решения заключается в анализе большого числа параметров, между которыми существуют сложные и малоизученные взаимосвязи. Задача прогнозирования спортивного результата решается индивидуально для каждого спортсмена, с учетом накопленного тренером опыта. Этот процесс достаточно трудоемкий и требует анализа нескольких сотен параметров, охватить которые зачастую тренеры не имеют возможности. В настоящее время чаще всего при прогнозировании прироста результатов они используются неформализованные или частично формализованные методики, а также метод экспертных оценок, основным недостатком которого является привлечение высококвалифицированных и дорогостоящих экспертов. Сбор данных и обработка экспертных оценок занимает много времени и поэтому используется только для составления прогнозов спортсменам высокой квалификации. Прогнозирование по методикам самих тренеров является менее точным и также требует больших временных затрат, поэтому с целью уменьшения трудоемкости и времени прогнозирования необходим поиск новых методов и способов прогнозирования.
Прогнозирование в сфере спорта - комплексная медико-биологическая и психолого-педагогическая проблема и при ее решении особое внимание должно быть уделено именно системному подходу. Авторы рассмотрели проблему расчета тренировочных нагрузок с позиции автоматизации с помощью ЭВМ и пришли к выводу, что она не поддается четкой формализации. Вследствие этого возникает необходимость в применении эвристических методов, основывающихся на неявных зависимостях между входными и выходными данными. Известные методы прогнозирования соревновательных результатов с использованием методик оценки функционального состояния спортсменов не нашли широкого применения в пауэрлифтинге. В этой связи актуальным становится нахождение наиболее адекватных способов в решении задачи прогнозирования уровня спортивной подготовленности на основе педагогических методик. В данной работе рассматривается проблема практического применения аппарата нейронных сетей к задаче прогнозирования спортивных результатов в пауэрлифтинге.
ЗАДАЧИ И ОРГАНИЗАЦИЯ ИССЛЕДОВАНИЯ
Для определения наиболее информативных способов прогнозирования соревновательной деятельности была проведена экспертная оценка среди тренеров, специализирующихся в пауэрлифтинге. В ее результате определились параметры тренировочного процесса, на которые они опираются при прогнозировании спортивного результата и которые, на их взгляд, наиболее полно соответствуют специфике предсоревновательной подготовки спортсменов.
На сегодняшний день появление математического аппарата моделирования функций человеческого мозга - искусственных нейронных сетей (ИНС) - делает процесс прогнозирования более доступным. Основываясь на предыдущих знаниях, т. е. на образцах функционирования объекта исследования (в нашем случае - спортсмена), ИНС способна прогнозировать его спортивные достижения. Эта способность достигается теми обстоятельствами, что в процессе ее обучения в обучающую выборку закладываются реальные данные о поведении организма спортсмена под воздействием на него нагрузок и тех взаимосвязей, которые формируются между параметрами тренировочного процесса и уровнем его спортивной подготовленности. Отметим, что прогнозирование возможно при наличии определенного объема статистических данных о тренировочном процессе. Предпосылкой решения поставленной задачи должно быть наличие компьютерной базы данных о параметрах тренировочного процесса, психофизиологическом состоянии занимающихся, об их текущих спортивных достижениях и др., что позволяет набрать необходимый объем обучающей выборки и использовать ее для прогнозирования прироста спортивного результата в соревновательных упражнениях (11, 12, 1з). Решение задачи прогнозирования спортивного результата посредством «Нейронной» сети продемонстриро-
Рисунок 1 - Схема модуля прогнозирования спортивного достижения
Для регистрации параметров тренировочного процесса и прогнозирования спортивного результата была применена разработанная для ЭВМ программа «Информационная система регистрации, анализа и планирования тренировочной деятельности в силовых видах спорта» (Лукьянов А.Б., Лукьянов Б.Г., Каримов Р.Ф. Информационная система регистрации, анализа и планирования тренировочной деятельности в силовых видах спорта / Свидетельство государственной регистрации программы для ЭВМ № 2011610287 РФСИСПТЗ от 11.01.11).
Следующий этап исследования был направлен на апробирование позиционируемого способа прогнозирования спортивных результатов в пауэрлифтинге. Для проведения экспериментов, подтверждающих эффективность прогнозирующей системы по разработанной нами методике, были скомплектованы две, примерно одинаковых по уровню мастерства, группы из квалифицированных спортсменов 1 разряда, КМС, МС.
В одной из них прогнозирование величины прибавки спортивного результата осуществляли тренеры высшей квалификации, а в другой прогноз формировался на основе применения математического аппарата "нейронных" сетей. Исследования продолжались в соревновательных периодах в течение двух лет, в которых были выделены четыре соревновательных цикла.
РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ
Структура «нейронной» сети базируется на использовании известной модели пер-септрона. При выборе входных переменных первоначально мы учли все рекомендуемые экспертами значения параметров тренировочного процесса в количестве 1480 единиц. Они содержали общие сведения о спортсмене (возраст, пол, уровень мастерства, спортивный стаж, антропометрические данные и др.); о величинах общего объема и интенсивности нагрузки в мезоциклах (МЗЦ) и микроциклах (МКЦ) за прошедший период тренировочного процесса; о количестве подъемов штанги (КПШ) в зонах интенсивности в МЗЦ и МКЦ; о парциальных объемах и интенсивности в МЗЦ и МКЦ; о тестовых показателях физической и специальной подготовленности, их психофизического состояния. Затем в качестве входных величин были отобраны в необходимом минимальном количестве наиболее информативные параметры, представляющие собой численные значения определенных характеристик тренировочного процесса. Удаление наименее влияющих на конечный результат входных параметров из входного вектора производилось как на
основании экспертных оценок, так и на основании анализа матриц весовых коэффициентов. На выходе «Нейронной» сети мы получаем ожидаемую информацию о прогнозируемых значениях на планируемый МЗЦ в трех видах соревновательных упражнений.
Для реализации прогнозирующей системы была разработана и реализована модель ИНС, состоящая из 422 входов, 21 выхода, 21 выходного нейрона с сигмоидальной передаточной функцией и 150 входными нейронами. Количество последних в скрытых слоях было выбрано с избыточностью, поскольку в сети предусмотрено доучивание при появлении новых данных, для запоминания которых необходимы дополнительные нейроны.
Входные «Нейроны» Н1-Нп предназначены для формирования коэффициентов ]-«Нейронов» скрытого слоя НС1-НСп. Последние в совокупности с тремя выходными
«Нейронами» НВ1, НВ2, НВЗ на выходе реализуют известную функцию у = 2 м х
I I] I
1
вида üj =
- qy.
1 - e
«Решатель» (рисунок 2).
Значения выходных показателей обрабатываются подпрограммой
HBi
Результат при обучении
Vn-
оп
НС
Yi
<t
t i>
a2
HB
a3
1
р
Е 2
Ш
А
Т
Е
Л
ь ■
■ < 0, 0, 0 > ■ < 0, 0, 5 >
'< 15,15,15 >
Рисунок 2 - Структура «Нейронной» сети
Анализируя данные «нейронной» сети (аь а2, а3), смоделированной стандартным пакетом NEURO, она вычисляет значение выходного набора (t*i, t*2, t*3) прогнозируе-
мых величин по правилу
0, aj e [0;0,25),
5, ■ 10, 15,
e [0,25; 0,5),
aj e [0,5; 0,75),
üj e [0,75; 1].
В результате проведенных операций было получено 46 вариантов планирования прироста силовых показателей спортсмена от (1*1, 1*2, 1*3) = (0,0,0), когда не ожидается их улучшения, до (1*1,1*2,1*3) = (15, 15, 15), когда в каждом из упражнений ожидается их прирост на 15 кг и более. Обучение «Нейронной» сети осуществлялось на выборке длиной 99, что позволило избежать ошибки е = а, - и менее 0,15. Еще более высокого качества прогнозирования можно достичь посредством дополнительной выборки, расширяющейся путем постоянного увеличения базы данных для каждого спортсмена в течение спортивной подготовки.
По полученным данным были проведены следующие расчеты:
а) суммарная ошибка величины прибавки в трех видах упражнений для каждого спортсмена по трем месяцам исчислялась по формуле (1):
% = "%|, (!)
где буквы обозначают номера: / - месяца, ] - спортсмена, к - вида упражнения; X - его прогнозируемый результат, Y - его фактический результат;
б) среднее значение величины ошибки для каждого месяца по каждому спортсмену рассчитывалось по формуле (2):
— 1 10
Е Еи 1 10 j=i lJ
(2)
В результате этой операции были получены следующие экспериментальные данные: для группы, прогнозирование которой осуществляла ИНС, средние значения ошибки в первом соревновательном цикле - Xгр = 11,5 кг ; во втором - Xгр = 9,25 кг ; в третьем - Хгр = 4,0 кг ; для группы, в которой прогнозирование осуществлялось тренером,
¿у
эти показатели были Хгр = 9,25 кг ; Хгр = 7,5 кг ; Хгр = 8,75 кг соответственно;
в) количество совпадений, превышений и занижений прогнозируемых величин по отношению к реальным результатам приведено в таблице 1.
Таблица 1 - Результаты прогнозирования
Прогнозы НС Прогнозы тренера
Вид сравнения прогноза № соревновательного цикла № соревновательного цикла
1 2 3 4 1 2 3 4
Количество совпадений 4 11 16 21 8 10 6 7
Количество занижений а 18 17 10 7 17 7 12 15
Количество превышений 8 2 6 4 7 15 14 10
Как следует из таблицы, в прогнозах, осуществленных тренерами, ошибки прогноза распределены достаточно хаотично, величины разброса их значений расположены примерно в одинаковых пределах. Точность же прогноза на основе применения ИНС стабильно улучшалась, поскольку после каждого периода тренировок по полученным результатам производилось ее доучивание, чем обеспечивалась настройка системы на конкретную группу спортсменов.
ЗАКЛЮЧЕНИЕ
Таким образом, в настоящее время специалисты определяют спортивную подготовленность спортсмена к соревнованиям, исходя из субъективной оценки комплекса разноплановых показателей. Такая, «интуитивная» индивидуальная диагностическая модель во многих случаях является достаточно продуктивной, однако именно «нерегламентированность» лишает возможности тиражировать ее и перенести на другие объекты педагогического воздействия. Реальной альтернативой мы считаем позиционируемую в данной статье индивидуально ориентированную методику прогнозирования спортивной подготовленности в пауэрлифтинге с применением нейронных сетей, способную оперативно и с большой долей точности и дифференцировать тренировочную нагрузку каждого конкретного спортсмена.
Проведенные экспериментальные исследования «нейросетевой» модели прогнозирования текущего уровня спортивной подготовленности пауэрлифтеров позволили выявить технологические подходы, эффективность которых вызывает наименьшие разногласия у специалистов.
В процессе подготовки спортсменов уже на начальном этапе спортивной подготовки целесообразно регистрировать и сохранять в базе данных максимально возможное
количество параметров, отражающих характеристики тренировочного процесса, использование которых позволяют с максимальной точностью прогнозировать спортивную подготовленность каждого спортсмена.
ЛИТЕРАТУРА
1. Аксенов, М.О. Управление тренировочным процессом в пауэрлифтинге на основе современных информационных технологий : дис. ... канд. пед. наук / Аксенов Максим Олегович. -Улан Уде, 2006. - 206 с.
2. Лукьянов, А.Б. Планирование тренировочных нагрузок в силовых видах спорта с использованием информационной системы управления процессом физического развития молодежи : монография / А.Б. Лукьянов, Б.Г Лукьянов, В.К. Плохов. - Стерлитамакский ин. физ. культуры. -Стерлитамак, 2015. - 200 с.
REFERENCES
1. Aksenov M. O. (2006), Management of training process in powerlifting on the basis of modern information technologies, dissertation, Ulan-Ude.
2. Lukyanov, A.B., Lukyanov B.G. and, Plokhov, V.K. (2015), Planning of the training loads in endurance sports using the management information system the process of physical development of youth: monograph, Sterlitamak institute of physical culture, Sterlitamak.
Контактная информация: lesha-lukyanov@mail.ru
Статья поступила в редакцию 20.08.2016
УДК 796.696
«СТАРТОВАЯ ПОЗИЦИЯ АНДРЕЯ МЕЛИКОВА» В КОНТЕКСТЕ СИСТЕМАТИЗАЦИИ СПОСОБОВ СТАРТА В ЛЫЖЕРОЛЛЕРНОМ СПРИНТЕ
Андрей Валерьевич Меликов, Спортивная сборная команда РФ по лыжероллерам, Елена Георгиевна Андреева, доктор технических наук, профессор, Центр инновационных стратегий, Москва
Аннотация
В статье систематизированы способы старта в индивидуальном и длинном лыжероллерном спринте. Выделены способы постановки ног на старте, а именно: параллельная, Т-образная с толчковой ногой позади и впереди. В качестве классификационных признаков стартовой позиции рассмотрены виды используемых стоек, включая высокую и низкую; а также выбранную толчковую ногу: правую или левую. Рассмотрена специфика правил соревнований в спринте на лыжероллерах во время квалификации и финальных забегов. Установлены факторы, влияющие на эффективность спринтерского старта, в том числе быстрое время реакции, оптимальное расположение стоп по отношению к стартовой линии, высота центра масс спринтера в стартовой позиции, время и сила отталкивания обеими ногами и палками, стартовая скорость и последующее ускорение, техника движений, степень выпрямления ног, угол голеностопа опорной ноги, угловая ориентация рук. Данные параметры взаимосвязаны и обусловлены регуляцией ЦНС, двигательными навыками, дыхательной способностью, энергетическими процессами, функциональными возможностями, генетическими особенностями, индивидуальным морфологическим строением и структурой мышц спортсмена. Результативность спринта зависит от ряда внешних факторов таких, как корректность подбора и подготовки инвентаря, качества и влажности дорожного покрытия, сопротивления воздуха. Показана динамика выбора различных стартовых позиций в ЧР и ФКР по лыжероллерному спринту в 2006-2015 гг. Результатами дисперсионного анализа обоснована целесообразность использования на старте «Т-образной постановки толчковой ноги впереди (p=0,00001) при высокой стойке (p=0,01)», предложенной в 2010 г. А. Меликовым в качестве стартовой позиции.
Ключевые слова: лыжероллеры, стартовая позиция, спринтерский старт, лыжный спринт, техника передвижения на лыжероллерах.
