一个基于人工智能的算法,用于分析青少年的身体活动和与健康相关的健康状况
Mei Lv1, Jing Wang2, Yunqiang Yang3,4
1School of Physical Education Department, Shandong Women's University, Jinan, 250300, China.
Scientific reports
|January 13, 2026
概括
这项研究使用机器学习来分析学生的体能数据,开发自动分类和性能预测模型. 这些工具旨在改善体育管理,并为学生提供个性化的培训建议.
科学领域:
- 运动科学 运动科学 运动科学
- 数据科学数据科学数据科学
- 教育技术的教育技术
背景情况:
- 全国关注健身强调了学生身体健康的重要性.
- 传统的体能管理面临主观性和数据处理等挑战.
- 准确评估学生的体能是国家卫生倡议的关键.
研究的目的:
- 应用机器学习和深度学习来分析学生的体能数据.
- 开发物理测试的自动分类和准确的性能预测模型.
- 提供个性化的训练建议,并协助优化体育教育.
主要方法:
- 利用BP神经网络进行自动全面的分类.
- 使用CNN-LSTM神经网络进行准确的物理测试性能预测.
- 分析了五年 (2018-2022) 的小学体能测试数据.
主要成果:
- 使用BP神经网络进行等级分类,实现了98.448%的分类性能.
- 开发了一种CNN-LSTM模型,用于精确预测物理测试项表现.
- 证明了人工智能的有效性,克服了传统评估方法的局限性.
结论:
- 机器学习和深度学习为管理和评估学生身体健康提供了先进的解决方案.
- 这些人工智能驱动的方法提高了数据的利用,提供客观的评估,并支持个性化的体育教育.
- 该研究为优化体育教育和促进学生健康提供了科学基础.
