大型体育赛事风险预警模型与应对策略研究

2014-07-02 01:41霍德利
沈阳体育学院学报 2014年5期
关键词:体育赛事预警神经网络

霍德利,仇 慧,仇 军

(1.华南理工大学体育学院,广东广州510640;2.哈尔滨工业大学体育部,黑龙江哈尔滨150006;3.清华大学体育部,北京100084)

◄博士论坛

大型体育赛事风险预警模型与应对策略研究

霍德利1,仇 慧2,仇 军3

(1.华南理工大学体育学院,广东广州510640;2.哈尔滨工业大学体育部,黑龙江哈尔滨150006;3.清华大学体育部,北京100084)

为了对大型体育赛事风险状况进行有效的预警,进而减少风险的影响,顺利实现体育赛事风险管理的预期目标,首先结合大型体育赛事风险的特点,提出了基于BP神经网络的风险预警模型,并对模型的有效性进行了验证。验证结果表明,基于BP神经网络的大型体育赛事风险预警模型能够取得较好的预警效果。然后,在风险预警研究的基础上,针对大型体育赛事中的3种风险,即自然环境风险、赛事管理风险和社会环境风险及其相应的风险级别,即轻警、中警和重警,建立了赛事风险应对矩阵,以期有效地应对大型体育赛事中所发生的各种风险状况,为大型体育赛事最终目标的顺利实现提供有力的保证。

体育赛事;风险;预警;模型

大型体育赛事作为体育产业本体的一部分,必将越来越得到有关政府部门和知名企事业单位的关注。近年来,在北京奥运会顺利召开之后,大型体育赛事在城市发展中所起的重大作用已逐渐显现出来因此,目前我国许多城市都想通过举办一系列大型体育赛事来推动其向前发展。这些城市的良好社会形象和较强的综合竞争实力,也势必会促进他们成为举办各种国际和国内大型体育赛事的主力军。然而,一般大型体育赛事利益相关者众多,周期长,投资高,内外部环境复杂多变,具有很强的风险性和社会影响力,对场馆设施、赛事主要参与人员的组织管理能力都会有很高的要求。在大型体育赛事运营过程中会存在许多不确定性因素,比如大型赛事的安全问题、资金问题、进度问题等,它的举办势必会给“赛事主办方”带来诸多风险因素,因此要使一届大型体育赛事圆满举办成功,一个行之有效的办法就是对这些不确定性因素提前进行预测,以尽早地消除它们对赛事的影响或威胁,这就需要对大型体育赛事进行有效地预警。目前,国内大型体育赛事风险的理论和应用研究尚处于起步阶段。从掌握的资料看,有关大型体育赛事风险的文章多集中在赛事风险的识别、分类以及防范措施上,对大型体育赛事风险预警的研究尚属空白[1-4]。本文正是从大型体育赛事风险预控的角度出发,结合大型体育赛事风险预警指标体系,建立大型体育赛事风险预警模型,达到对大型体育赛事风险状况进行预先控制的目的,从而更好地实现体育赛事的预期目标。

1 大型体育赛事风险预警相关理论分析

1.1 大型体育赛事及其风险预警的定义

具体来说,大型体育赛事就是指规模庞大,利益相关者众多,运营和组织过程复杂,对举办地具有深远影响和战略意义的体育赛事活动。一般来说,大型体育赛事包括国际性综合体育赛事,如奥运会、亚运会、世界青年运动会、世界大学生运动会等;世界单项组织的重要赛事,如世界杯足球赛、世界网球和羽毛球公开赛、世界一级方程式锦标赛等;世界知名的大企业主办的传统体育赛事,如丰田杯足球赛、国际汽车拉力赛等[5]。本文则着重以单项组织的重要赛事为研究对象展开讨论。

预警理论起源于军事,后在社会政治、宏观管理与环境保护、经济等各个领域得到了广泛的应用。预警是指根据系统外部环境及内部条件的变化,对系统未来的不利事件或风险进行预测和报警,它就是预先警示、提前报警的意思[6]。大型体育赛事风险预警是根据赛事的真实情况,判断其是否满足赛事风险管理目标的预期要求,从而确定赛事运行是否处于风险状态,它以赛事的实际活动为内容,以赛事的运行过程为对象,以赛事风险管理理论为基础,通过采用一系列科学的指标体系和预警技术,对赛事的管理过程进行监测。大型体育赛事风险预警首先要建立预警指标体系,设定赛事预警阀值,当预警监控指标突破阀值时,系统将发出预警信息,并根据预警信息的类型、性质和警报的程度提示相应的预控措施,为大型体育赛事风险管理者提供必要的信息,以做出及时正确的决策。

1.2 大型体育赛事风险预警的功能

风险预警是风险分析的重要内容,通过风险预警能够为风险应对提供更多的信息,为采取有效的风险管理措施奠定坚实的基础,其功能主要体现在以下几个方面:1)警示功能。在大型体育赛事举办过程中,如果某些风险因素监测值达到了风险预警的警戒状态时,风险管理系统通过预测,可以按照预警准则及时地输出相应的信息或发出警告,以引起风险管理者或赛事参与方的警觉。2)监测功能。根据事先确定的风险指标体系,搜集、整理、分析各种数据和信息,以实现对大型体育赛事举办过程的适时跟踪监测。监测即跟踪赛事的进展情况,将赛事的实际情况与赛事的预期目标相比较,对赛事的运行状况进行预测,找出偏差,并从中找出产生偏差的原因进行分析,在风险事件发生之前,就对风险的成因进行控制,并采取措施使风险事件不至于真正发生、发生的可能性最小或发生后导致的损失最小。3)诊断功能。对风险状态进行成因、过程的分析和发展趋势的预测,以明确哪些状态是应该主要关注的。风险诊断的主要任务是分清风险的主次,并对主要风险的成因背景、发展过程及可能发展趋势进行准确的描述。同时,要建立风险自我诊断制度,从不同的角度进行检查、分析和评价,找出问题关键所在,并及时采取纠正措施,阻止状况进一步恶化。4)积累功能。通过预警分析,大型体育赛事管理者能系统而详细地记录各类风险因素发生的原因、处理过程、解除风险的各项措施,这些资料可以存入案例库以应对未来出现的类似风险状况。这样,大型体育赛事管理者就可以逐渐地将一些风险处理的经验和教训转化成风险管理活动的规范,从而使其赛事风险管理能力不断得到提高。

2 大型体育赛事风险预警指标的确立

在作者已有研究成果中,已对体育赛事风险指标体系进行了构建。结果表明:本文所采用的大型体育赛事风险指标体系层次清晰、结构合理、内容简单明了,能够有效地反应大型体育赛事风险因素的现实情况。指标体系的具体研究过程可见《体育赛事风险评估指标体系的确立》一文[7]。

如图1所示,本文把大型体育赛事风险预警指标体系分为3个层次:风险总称、风险类别、风险因素。其中风险总称即为大型体育赛事风险预警指标体系,风险类别包括社会环境风险、自然环境风险以及赛事管理风险。经过进一步研究可知,社会环境风险又可进一步细分为经济、人文以及政治等3方面因素;赛事管理风险可细分为参与方素质、管理制度、赛事信息、管理措施、组织方式、管理机制等6方面因素;自然环境风险则主要受地理环境、气候条件、自然灾害等因素影响。赛事的风险管理关键就是对上述这些风险因素的监督和控制。

3 大型体育赛事风险预警模型研究

3.1 风险预警模型选择依据

目前许多学者主要采用一次指数平滑、多元逻辑等方法对风险预警模型展开研究。虽然这些方法具有计算简便、易于理解与操作等特点,但是大型体育赛事风险预警研究的对象是不确定性的风险事件,具有显著的不确定性和条件性。传统的预警研究方法应用于大型体育赛事风险预警中仍存在着一定的局限性,这主要体现在两个方面:1)大型体育赛事风险指标体系由诸多的定性指标构成,对于定性预警指标的评价具有较强的非线性和模糊性的特征,传统的研究方法很难保证预警结果的准确性与客观性。2)大型体育赛事风险影响因素具有多变性的特点,而传统研究方法进行预警时由于值域范围和预警线一般采用确定的方式,不具备时变特性,并且缺少自适应、自学习能力,这使得其不太适应于对大型体育赛事进行风险预警。

图1 大型体育赛事风险预警指标体系

大型体育赛事风险的预警工作应建立在应用适当的方法来对风险情况进行科学的监测和客观的测度基础上。通过对现有风险预警方法的对比研究,人工神经网络以其模糊性、平行分散处理模式、较好的模式识别能力、较强的容错能力、高度的非线性与全局性、良好的鲁棒容错性与联想记忆功能以及良好的自适应与自学习能力的特点,使得其能够克服传统方法的局限性,很好地处理大型体育赛事风险预警这一具有多种复杂因素、包含非结构性、非精确性规律的非线性系统问题,所以本文拟采用人工神经网络理论作为大型体育赛事风险预警系统建模的理论基础。由于BP神经网络被认为是非常理想的用于模拟输入、输出关系的神经网络,并在实际科研与工作中得到了广泛应用。因此,本论文基于BP神经网络来构建大型体育赛事风险预警模型。

3.2 基于BP神经网络模型的大型体育赛事风险预警

BP神经网络模型是由大量的简单处理单元相互联结组成的复杂网络系统,BP网络是一种单向传播的多层前项网络,具有3层或3层以上的神经网络,它包括输入层、隐含层和输出层[8]。在BP神经网络模型中,网络的输入层与输出层表现为高度非线性的映射关系,如若网络输入层的结点数目为n,输出层的结点数为m,那么网络就会从n维欧氏空间映射到m维欧氏空间。就图2所示的BP神经网络,(x1,x2…,xn)T为从外部输入的信息,这部分输入信息通过隐含层神经元的加权求和并通过激活函数的映射逐级推进,最终由输出层获得整个网络的输出(y1,y2…,yn)T。因为同一层节点之间没有任何偶合,所以每一层的节点输出结果只会影响到下一层的节点输出值,其中每个节点代表一个神经元,它相对应的传递函数通常为Sigmoid类型。经过对BP网络结构的调整,能够使非线性分类等问题得以实现,而且能够以任何的精度逼近任意非线性函数。当确定BP神经网络结构之后,采用输入与输出样本集对网络进行训练,即对神经网络的阈值与权值进行学习以及调整,从而实现网络给定的输入输出映射关系。

图2 BP神经网络的一般结构

3.2.1 大型体育赛事风险预警模型构建思路 风险预警管理活动的关键环节就是“警度”预报,而预报“警度”需要确定预警准则。预警准则是判别和评价大型体育赛事风险严重程度的标准和原则,它用来决定在不同情况下,是否应该发出警报以及发出何种程度的警报。风险预警级别的划分应该根据大型体育赛事本身所具有的风险特征来合理确定,既要能做到可操作性又不使其丧失风险预警意义,笔者通过参考相关文献,结合本领域专家对于赛事风险“警度”的行业经验及其建议,依据大型体育赛事举办过程可能出现的风险警情,按照严重程度将风险的“警度级别”划分为3个等级,即轻警(主要是指对体育赛事影响较小或微乎其微的警情)、中警(主要是指对体育赛事影响比较严重,需要引起赛事管理者密切关注并需及时采取相应措施的警情)、重警(主要是指对体育赛事影响极其严重,赛事承办方可能无法承担其后果的警情),根据预警指标所导致的风险后果数值的大小发出不同程度的警报,从而为采取相应的应对措施提供有力的依据。本文基于BP神经网络来构建大型体育赛事风险预警机制,利用前面确定得出的12个风险指标为预警指标,并以此提取出状态样本数据,并将样本数据分为网络的训练样本与网络测试样本。通过对训练样本数据的学习,BP网络能够完成预警知识的获取,从中学习到大量内在的、规律性的联系。训练后的网络模型经测试样本数据的检测后,可作为评价大型体育赛事风险的内在依据。最后,将检测集中各样本的警兆指标值直接输入训练好的BP网络之中,并将网络输出的风险预警状态值和实际的“警度”进行比较,以判断已完成训练的预警模型的准确性,从而完成较为准确的报警过程。大型体育赛事风险预警模型构建的基本思路如图3所示。

图3 大型体育赛事风险预警模型构建示意图

大型体育赛事风险预警模型构建的步骤:1)数据预处理。收集与整理状态样本数据,并确定训练样本数据与测试样本数据,同时对原始数据进行处理以满足网络训练与检测时输入输出数据格式要求。2)神经网络拓扑结构设计。网络结构的设计直接决定预警模型的好坏,它包括网络层的规划、输入层、输出层、隐含层的设计。3)BP神经网络训练。拓扑结构设计之后,即可进行网络权值初始化、网络创建并利用训练样本数据对网络进行训练,BP算法过程已在前面进行了详细描述,此处不再赘述。4)BP神经网络检测。训练好的BP网络需通过对测试样本数据的检测,并对结果进行分析与比较。通过检测后的BP神经网络模型即具备了对类似问题的判别能力,可以直接用于待测对象的评价,从而形成有效的大型体育赛事风险预警模型。

3.2.2 神经网络仿真计算及结果分析 1)样本数据的选取。主要运用问卷调查以及专家访谈等方法,对从事大型体育赛事理论研究和管理实践的有关专家进行了调查和访谈,得出了大型体育赛事中的28个评分样本数据。专家对12个预警指标的评分作为输入值,其对大型体育赛事风险级别的评价值作为输出值(表1)。本文选取序号1-28的28个样本数据作为训练样本进行学习训练,并在训练过程中不断增加学习训练次数,以达到总体误差的要求。网络训练好后,选取序号29-36的8个样本数据作为测试样本,对建立的模型有效性进行检测。

表1 大型体育赛事风险预警模型样本数据

2)网络拓扑结构的设计。网络结构设计包括输入层、隐含层、输出层设计。对于BP网络,有一个非常重要的定理,即就任何区间内一个连续函数而言,均能够用单隐含层的BP神经网络逼近,所以一个3层的BP神经网络完全可以使任意n维到m维的映射得以实现[8]。实践表明,4层网络的结果比3层网络更容易进入局部最小,因此在实际应用中选用只有一个隐含层的3层网络应用效果比较理想[9]。

输入层的神经元可以根据拟求解的问题和数据表示方式确定,一般情况下BP神经网络输入层神经元个数由输入量决定。由于大型体育赛事风险预警指标为12,故本文选取输入层神经元个数为12。

输出层神经元个数可根据使用者的要求确定。当BP网络作为分类器时,其输出层神经元个数一般情况取决于类别模式的个数m,输出层神经元个数为或者log2m。不失一般性,对于一个具体的分类问题,输出层节点的数目可由网络期望输出参数的数目决定,输出层节点数应该等于被分类对象的类别数目。大型体育赛事风险预警问题实质上是一个分类问题,由于“警度”划分为3级,故本文采用分类模式个数确定输出神经元的操作方法,设计3个输出层神经元个数,定义目标输出模式为(100)、(010)、(001),并让它们分别代表各自的分类模式即分别表示3个风险级别,即重警、中警,轻警。因此输出层的神经元个数设计为3个。

BP网络的规模是由网络的隐含层数目与隐含层节点数目决定的,然而网络的规模又与其性能是紧密相关的。决定隐含层神经元数是一个相当复杂的问题,目前还没有明确理论的指导。隐含层单元数目与问题的要求、输入/输出单元的数目有直接关系,其设计往往需要根据设计者的经验和多次实验来确定。过多的网络节点会导致训练网络的时间长,并且会使网络的泛化能力减弱,网络的预测能力下降。与此相反,假如网络节点过少则可能会导致建模的不充分,从而无法有效地识别出分类模式。决定隐含层节点数目基本的原则为:在精度要求得以满足的条件下尽可能地选取相对紧凑的结构,即隐含层节点数目要尽可能选取最小值[9]。大多数实际应用中,可事先设定较少的隐节点对网络进行训练,而后将节点数逐渐增多,与此同时采用相同的数据样本对网络进行训练,并且据此找出网络误差最小时所对应的隐节点数目,其中隐含层单元数的选择可参考如下公式[8]:

其中m为输出神经元数,n为输入神经元数,a为[1,10]之间的常数。

3)神经网络仿真训练。应用分析中运用Matlab7提供的神经网络工具箱中的函数构建并训练BP神经网络。由于输出向量元素为0-1值,故在网络输出层神经元的传递函数选择时本文选用了S型对数函数log sig。网络隐含层神经元的传递函数为S型正切函数tagsig,将训练终止次数设定为2 000次,将训练终止误差设定为10-2,训练函数是TRAINLM,经过反复学习和训练,确定网络的隐含层神经元个数为7个,经过38次训练后,网络即可达到误差要求(图4)。

图4 网络训练结果误差图

4)结果分析。将8个测试样本输入训练好的BP网络模型中,得到网络的输出值与样本实际值对比(表2)。

表2 网络输出值与样本实际值对比

将实际输出值与期望值进行比对,以输出值更接近于(0,1,0),(0,0,1),(1,0,0)3种分类模式之一来确定测试样本的最终运算分类结果,例如样本序号32实际输出值为(0.0006,0.1411,0.9944)相较于其他两种模式更显式地趋近于分类模式(0,0,1),因此该样本通过本文建立的预警模型运算得出的预警结果为轻警,结果分析的方法依次类推。

由表2中输出的结果与实际情况进行简单对照分析,8个测试样本中样本数据误判个数为1个。设定义误差率为被BP模型误识的样本数在测试集样本总数中所占的比例,则通过训练后形成的BP网络模型的误差率为12.5%,预测准确率达到87.5%。实证研究的结果表明,基于BP神经网络的大型体育赛事风险预警模型能够取得较好的预警效果。

4 大型体育赛事风险应对策略

体育赛事风险应对就是针对体育赛事中所发生的各种风险状况提出相应的处理意见和措施[10]。在文中,它就是指在对大型体育赛事风险进行预警分析之后,根据赛事的要求和预警结果,制定具体的解决办法,以期达到减少赛事风险发生概率和降低风险影响程度的目的。体育赛事风险应对的基本过程为:明确赛事风险应对依据;根据风险应对的机制和约束条件,制定风险应对计划;判断风险应对计划是否符合赛事的实际要求,如果不符合要求,则继续制定新的计划(图5)。大型体育赛事风险应对的依据主要包括:1)风险因素清单。包括对风险事件的原因分析、风险类别、风险性质和特征的描述等。2)风险排序。主要采用定量分析的方法,按照风险发生的可能性及后果的严重程度对其进行排序,从而确定各种风险的相对重要程度,以便有针对性地选择应对方案。3)风险预警情况。就是针对预警指标,通过风险预警模型判别出赛事的风险等级状况。4)可承受风险水平。

图5 风险应对计划原理

两个方面的因素决定了赛事的可承受的风险水平,一方面是承办赛事方能够承受风险的心理最低限度。由于赛事承办方要承受风险的损失和后果并且其心理期望值会有所不同,因此其所能够承受风险的心理底线自然会有所不同。另一方面是承办赛事方所拥有的资金等各个方面的资源情况等。若承办赛事方拥有很多社会资源,其中资金供给也充足,则其能够承受风险的能力会明显提高,反之亦然。体育赛事风险应对计划要符合体育赛事实际要求,一般应做好以下几方面工作:1)通过查阅文献、咨询专家和现场调研等方法,把赛事的主要风险尽量全面准确地识别出来;2)对识别出来的主要风险进行有效评估;3)合理划分风险预警等级,并通过不同方式将其清晰地表示出来;4)调动整个赛事管理团队的积极性,风险应对需要全体成员的共同参与。

根据上面风险预警的结果,针对大型体育赛事中的社会环境风险、赛事管理风险以及自然环境风险的不同预警等级状况相应地采取不同的应对措施(表3)。1)大型体育赛事涉及面较广,参与人员众多,比赛过程中一些潜在的问题随时都有可能突显出来,

表3 大型体育赛事风险应对矩阵

这就在很大程度上增加了风险控制的难度,在体育赛事举办过程中哪怕是一个很小的矛盾,都有可能迅速扩散,从而造成极其严重的后果,所以在赛事举办过程中要实时地监控其风险状况。2)针对中等风险状况,较常用的风险应对策略就是风险减轻和风险转移。当然,赛事管理者也可以根据赛事所面临的实际情况相应地采取风险回避等其他的应对措施。3)根据赛事中出现的高风险情况,赛事的管理者可运用提前准备好的方案措施把风险转移掉。如果风险发生概率很高且赛事管理者无法应对和承担其发生的后果时,就可以考虑终止比赛。

[1]孙庆祝,刘红建,周生旺.综合集成方法在大型体育赛事风险管理中的应用[J].体育与科学,2010,31(1):93-96.

[2]董杰.中国举办大型体育赛事存在的主要问题、原因与对策[J].体育与科学,2012(3):42-51.

[3]刘建,高岩.体育赛事风险特征及分类研究[J].成都体育学院学报,2011,37(4):5-8.

[4]刘东波,姜立嘉,吕丹.大型体育赛事风险管理研究[J].体育文化导刊,2009(3):8-12.

[5]黄海燕.体育赛事综合影响的事前评估研究[D].上海:上海体育学院,2009.

[6]陈秋玲.社会风险预警研究[M].北京:经济管理出版社,2010.

[7]霍德利.体育赛事风险评估指标体系的确立[J].统计与决策,2011(23):64-67.

[8]葛哲学,孙志强.神经网络理论与MATLABR2007实现[M].北京:电子工业出版社,2008.

[9]Lippmann R P.An introduction to computing with neural nets[J]. IEEE ASSPMagazine,1987(4):4-22.

[10]沈建明.项目风险管理[M].北京:机械工业出版社,2010.

责任编辑:乔艳春

Risk Early-warning and Coping Strategies of M ajor Sports Events

HUO Deli1,QIU Hui2,QIU Jun3
(1.Sports Institute,South China University of Technology,Guangzhou 510640,Guangdong,China;2.Physical Education Department,Harbin Institute of Technology,Harbin 150006,Heilongjiang,China;3.Physical Education Department,Tsinghua University,Beijing 100084,China)

In order to early warn effectively the risk status of large-scale sports events,and thus to reduce the influence degree of risk to implement successfully the risk management targets of sports events,the risk warning model of BP neural network is presented finally in the paper by combination w ith the risk features of large-scale sports events,and the validity of themodel is verified.The verification result shows that the risk warning model of BP neural network is able to acquire better warning effect.Then,based on the risk early-warning,the risk responsematrix is established to effectively respond to the various risk status of major sports events and provide a powerful guarantee for the smooth realization of the ultimate goal of themajor sports events according to three types of risk(the risk of natural environment,the risk of sports events management and the risk of social environment)in themajor sports events and the corresponding risk levels(slightwarning,moderate warning,severe warning).

sports events;risk;early-warning;model

G80-052

:A

:1004-0560(2014)05-0006-06

2014-07-12;

2014-08-14

国家体育总局哲学社会科学研究项目(1705SS12098)。

霍德利(1980—),男,副教授,博士,主要研究方向为体育赛事风险。

仇 军(1955—),男,教授,博士,博士生导师,主要研究方向为体育人文社会学。

猜你喜欢
体育赛事预警神经网络
基于神经网络的船舶电力系统故障诊断方法
MIV-PSO-BP神经网络用户热负荷预测
预警型智能包装在食品安全中的应用和设计
基于改进Hopfield神经网络的对地攻击型无人机自主能力评价
体育赛事项目管理对体育赛事形象及其管理的影响
超级秀场 大风预警
2022年冬奥会对中国体育赛事转播的影响
基于神经网络的中小学生情感分析
体育赛事品牌化发展研究
预警个啥