可持续体育产业的结构配置基于深度学习和遗传算法
Yupeng Li1, Kitak Kim2, Long Zhang3
1College of Physical Education and Health, Linyi University, Linyi, 276000, Shandong, China.
Scientific reports
|December 19, 2025
概括
这项研究介绍了一种使用深度学习和遗传算法来优化体育行业的智能框架. 该模型增强了经济,社会和环境的好处,在不同地区的预测误差不到6%.
科学领域:
- 体育行业经济学 体育行业经济学
- 可持续的发展 可持续的发展
- 优化工业结构优化产业结构
背景情况:
- 体育行业面临着结构性失衡和可持续性挑战.
- 现有的研究缺乏动态建模,多目标优化和定量解决方案.
- 需要智能决策工具来精确优化工业结构.
研究的目的:
- 为体育行业构建一个智能优化框架,整合深度学习 (DL) 和遗传算法 (GA).
- 克服动态建模,多目标优化和定量解决方案的局限性.
- 协同提高体育领域的经济,社会和环境效益.
主要方法:
- 利用一维卷积神经网络从高维的行业数据中提取特征和预测趋势.
- 采用基因算法作为优化引擎,以找到帕雷托最佳解决方案.
- 分析了行业统计数据 (2010-2022) 和省级小组数据 (2018-2020),使用美国和德国数据进行跨区域验证.
主要成果:
- 揭示了体育行业向服务导向转型的核心特征.
- 验证了疫情的负面影响:2020年总产量下降7.2%,增加值下降4.6%.
- 实现跨区域预测误差低于6%;预计创新驱动的路径将体育服务到2025年提高到68.5%.
结论:
- 智能优化框架为精确的体育行业结构优化提供了一个新的范式.
- 该研究提供了一个智能决策工具,具有理论深度和实际价值.
- 建立了对精确优化和体育行业跨区域应用的实证支持.
