根据下肢关节动力学预测踏板指标
Andrés Torres1, François Nougarou1, Frédéric Domingue1
1Département de génie électrique, Université du Québec à Trois-Rivières, Trois-Rivières, Québec, Canada.
概括
这项研究使用下肢动力学来预测骑自行车者踩踏的有效性. 人工神经网络准确预测有效率指数 (IE) 和正脉冲比率 (PIP),性能优于多重线性回归.
科学领域:
- 生物力学 生物力学
- 运动科学 运动科学 运动科学
- 发动机控制器的控制器
背景情况:
- 骑自行车的踏板技术对于性能和伤害预防至关重要.
- 对踏板技术的客观评估需要可靠的预测模型.
- 下肢动力学提供了丰富的数据来分析踏板的有效性.
研究的目的:
- 预测骑自行车者的有效性指数 (IE) 和正冲动比率 (PIP).
- 为了确定关键的下肢动力学变量,预测踏板技术的有效性.
- 为了比较人工神经网络 (ANN) 和多重线性回归 (MLR) 的预测精度.
主要方法:
- 从骑自行车者的下肢收集了运动数据.
- 使用包装特征选择技术来识别重要的预测因素.
- 开发了多重线性回归 (MLR) 和人工神经网络 (ANN) 模型来预测IE和PIP.
主要成果:
- 使用21和28个预测因素的ANN模型实现了高精度 (R2 = 0.95 ± 0.01和R2 = 0.92 ± 0.02).
- 具有11个预测因素的MLR模型提供了适度的预测能力 (R2 = 0.81 ± 0.12和R2 = 0.81 ± 0.05).
- 与MLR相比,ANN模型显示出更高的预测准确度.
结论:
- 人工神经网络从下肢动力学上有效预测骑自行车者的踏板效率 (IE和PIP).
- 下肢动力学变量是踩踏技巧的有价值的预测因素.
- 该研究强调了机器学习在体育中的客观生物力学分析方面的潜力.
