基于BP神经网络的乒乓球技战术分析系统

王琛

（同济大学电子与信息工程学院，上海 201804）

基于BP神经网络的乒乓球技战术分析系统

王琛

（同济大学电子与信息工程学院，上海 201804）

传统乒乓球技战术分析一般基于各项技战术统计数据。针对基础数据缺少进一步分析的特点，提出一个以神经网络模型为基础的乒乓球技战术分析系统。对采集的原始数据进行筛选、处理、获得技战术得分率与使用率，以此作为输入数据，建立三层BP神经网络模型，对输入数据依次进行扰动，通过输出预测得到对比赛结果影响较大的技战术指标。

人工神经网络；三层BP模型；技战术预测

0 引言

乒乓球运动是全世界范围内最受欢迎的隔网对抗运动项目之一。其特点是门槛低、对不同年龄段的人群都有较高的参与度。但是，如同绝大多数其他隔网运动一样，对高水平运动员之间的技战术要求较高。作为传统的奥运会比赛项目，技战术是制胜的核心因素，各国对乒乓球比赛技战术分析领域的理论研究与应用也非常广泛。

乒乓球技战术分析主要分为两类，一类是基于传统的描述性的统计分析，由于其指标简单，便于运动员、教练员理解。目前传统乒乓球技战术分析较多，缺少对基础数据的进一步的分析[1]。

另一类是利用现代计算机算法，如人工神经网络、数据挖掘、决策树、粗糙及理论等人工智能技术对乒乓球比赛进行技战术分析[2]。

人工神经网络以其处理样本大、指标多呈现强大的优势及其所具有的自学习能力而有着广泛应用[3]。本文开发了一个以神经网络模型为基础的乒乓球技战术分析系统，利用人工神经网络强大的自学习功能建立了乒乓球比赛技战术诊断模型帮助教练员、运动员制定有效的战略战术。对采集的原始数据进行筛选、处理、获得技战术得分率与使用率，以此作为输入数据，建立三层BP神经网络模型，对输入数据依次进行扰动，通过输出预测得到对比赛结果影响较大的技战术指标[4]。

1 神经网络建模

1.1 模型基础

图1

人工神经网络是一种仿生学设计，神经网络是解决非线性复杂问题强有力的工具，是一种模仿生物神经网络的结构和功能的模型，常用来对输入输出间的复杂关系进行建模研究[5]。

BP神经网络能学习和存贮大量的输入-输出模式映射关系，而无需事先揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小[6]。BP神经网络模型拓扑结构包括输入层（input layer）、隐层（hidden layer）和输出层（output layer），采用3层BP（Back-Propogation）模型。其中输入层节点个数为24，隐含层节点个数为31。

（1）输入参数

传统的乒乓球比赛技战术主要分为击球技术、旋转类型、击球位置等。其中，击球技术包含“发球”、“弧圈”、“快攻”、“扣杀”、“挑打”、“劈长”、“摆短”、“挡球”、“削球”、“吊球”、“放高球”等。旋转类型又包含“强上旋”、“中上旋”、“不旋转”、“中下旋”、“强下旋”等。

对于可能存在的某项技术得分率较高而使用率较低这一实际问题，综合采用得分率和使用率两个角度来研究。

乒乓球作为隔网运动，关注来回球之间的关系，因此本文重点选取了来回球中24组技战术的得分率和使用率作为指标参数，作为神经网络的输入参数。

具体的输入参数的选取如下：

表1

（2）输出参数

单打比赛以单人技战术进行统计，双打比赛以综合两人技战术进行统计。对于选取的24项输入项依次进行扰动，得到24个模拟后输出的预测值。

（3）模型使用算法

其中输入层层数为1层，隐含层层数为1层，输出层层数为1层。

其中输入层与隐含层神经元之间的传递函数取非线性的S函数tansig（n），输出层神经元与隐含层神经元之间的传递函数取线性函数purelin（n）（也即f（x）= x）。

为了使模型具有较快的收敛速度和较高的稳定性，采用了gradient-descent back propogation梯度下降反向传播算法。

1.2 模型预测

确定已建好的神经网络诊断模型精度，运用该模型模拟队员的实际比赛过程。通过该模型改变各项组合指标值，重新计算获胜率，将错误率控制在1%之内。从而得到这些组合技术指标影响比赛获胜的权重值。

2 数据分析方法

根据组合技术指标增量计算公式，分24次依次扰动某一项技战术的指标值，同时保持其他输入指标值不变，将其输入神经网络训练模型中，重新计算比赛获胜概率的仿真值。计算得到的仿真值与真实比赛获胜概率之值为该项技战术的权重值，其绝对值越大，表明该项技战术指标对比赛获胜概率的影响就越大。计算扰动值的公式如下：

公式用来计算提高或减少某一项技战术指标值的幅度，其中X是技战术统计指标值，Z是扰动值。为了保证输入值的合法性，当扰动值小于0.5，则输入值A= X+Z；当扰动值大于0.5，则输入值A=X-Z。

3 实验结果

应用诊断模型对郭跃vs.李佳薇的单打比赛（以2007年3月25日公开赛）为例，对各项技战术进行扰动后的预测结果如下（数据经*10^10等比放大）：

图2 郭跃预测结果

通过预测，对于运动员郭跃，为了提高比赛获胜概率，可以重点关注以下三项技战术的效率:接发球得分率、挑打-弧圈得分率、发球-劈长使用率。

4 结语

对于一场已经完成的比赛,建立3层BP模型，对乒乓球比赛统计数据进行技战术分析,依次选取24项关注的技战术输入指标进行扰动,通过神经网络模型输出扰动后的预测结果，即各项技战术指标对比赛获胜概率影响程度的排序,研究结果可为乒乓球比赛运动员和教练员提供理论参考。

[1] 徐君伟,孙荑茜,唐建军,等.我国乒乓球技战术分析理论与方法的研究热点与展望[J].南京体育学院学报,2014.13（4）:11～16

[2] 肖毅,张辉.中国乒乓球队奥运攻关研究报告——基于人工神经网络的乒乓球比赛诊断模型研究[J].体育科研,2008，29（6）:19～22

[3] 王学武,谭得健.神经网络的应用与发展趋势[J].计算机工程与应用,2003，39（3）:98～100,113

[4] 虞丽娟,张辉,凌培亮等.乒乓球比赛技战术分析的系统研究与应用[J].上海体育学院学报,2008，32（6）:39～43

[5] Daichi Hasumi,Eiji Kamioka.A Considerate Application Prediction System with Artificial Neural Network,Procedia Computer Science [J]，2014.35:1547～1556

[6] Mark Pfeiffer,Andreas Hohmann.Applications of Neural Networks in Training Science.Human Movement Science[J],31（2）:344～359

[7] 王永梅,张辉.基于人工神经网络的乒乓球技战术分析与诊断模型研究[C].第8届全国体育科学大会论文集,2007

A Table Tennis Technicaland Tactical Analysis System Based on Back-Propagation Artifical Neural Network

WANG Chen
（Department of Electronic and Information Engineering,Tongji University,Shanghai 201804）

The traditional table tennis technical and tactical analysis is based on the various technical and tactical statistics,lacking further analysis of primary data.Develops a table tennis technical and tactical analysis system based on themodel of artifical neural netowork.The system filters and dealswith the primary data to obtain the technical and tactical usage rate and scoring rate as the input data for the three-tier back-propogation artifcal neural network model.Then implements a disturbance on each item of the input data to get the result of the most influencing estimated data to guide table tennis games.

Artificial Neural Network;Three-Tier Back-Propagation Model;Technical and Tactical Prediction

1007-1423（2015）07-0006-03

10.3969/j.issn.1007-1423.2015.07.002

王琛（1990-），男，上海人，在读硕士研究生，研究方向为神经网络

2015-02-15

2015-03-01