评估各种传统的机器学习技术,以预测男性足球运动员中不同腿筋肌肉伸展方法的急性影响
Elham Hosseini1, Mohammad Alimoradi1,2, Mojtaba Iranmanesh1
1Department of Sports Injuries and Corrective Exercises, Faculty of Sports Sciences, Shahid Bahonar University of Kerman, Kerman, Iran.
Scientific reports
|December 4, 2025
概括
静态拉伸最好提高灵活性,而动态拉伸为足球运动员提供更广泛的即时性能益处. 机器学习显示出前景,但在预测个人对伸展的反应方面面临挑战.
科学领域:
- 运动科学 运动科学 运动科学
- 生物力学 生物力学
- 运动中的机器学习
背景情况:
- 使用急性拉伸方案 (静态,动态,弹道) 来提高运动表现.
- 个人对伸展的反应可能会有所不同,特别是在腿筋缩短的运动员中.
- 预测不同拉伸方法的有效性仍然是一个挑战.
研究的目的:
- 研究静态 (SS),动态 (DS) 和弹性 (BS) 腿筋伸展对足球运动员表现的急性影响.
- 应用机器学习 (ML) 来预测这些伸展协议的有效性.
- 为了确定个人对伸展干预措施的反应的关键预测因素.
主要方法:
- 249名男性足球运动员 (有和没有腿筋缩短) 进行了SS,DS和BS协议.
- 测量包括灵活性,力量,冲刺,动力和敏捷性,在伸展前后进行评估.
- 机器学习模型 (k-NN,SVM,随机森林) 使用特征选择和过量采样技术进行训练.
主要成果:
- 静态拉伸 (SS) 最佳地提高了灵活性.
- 动态拉伸 (DS) 为后续活动提供了更广泛的即时性能益处.
- 机器学习在预测响应方面达到53.06%的峰值准确度,这表明了方法上的挑战.
结论:
- 与静态或弹道拉伸相比,动态拉伸可能为足球运动员提供更全面的急性性能益处.
- 机器学习有可能预测个人对伸展的反应,但需要更大的数据集和先进的模型.
- 需要进一步的研究来克服目前在预测个性化拉伸疗效方面的局限性.
