广东环境保护工程职业学院田径运动会比赛成绩、名次预测的分析研究

孙豪

（广东环境保护工程职业学院体育部，广东 佛山 528216）

一、研究目的

本研究通过Y（预测模型）±S（波动差）计算公式计算出预测成绩的范围，为九大系选拔、组队、备战下一届院运会提供信息、选材和训练视角。

二、研究对象与方法

（一）研究对象

以第6~8届我院田径运动会男、女运动员各单项前8名运动员成绩为依据，所研究项目共15项（因各届运动会项目稍有变化所以只取共同项目，其中男子8项、女子7项）。

（二）研究方法

数理统计法：将收集的相关数据利用Spss17.0进行运算，建立数据库。通过回归分析遴选预测模型；建立Y和S计算公式，预测比赛的成绩。

三、结果与分析

（一）院运会成绩与分析

统计得到第6~8届院运动会比赛男、女各单项前8名运动员的比赛成绩平均数可以看出：男子200m、实心球；女子100m、400m、800m、实心球这6个项目的成绩在逐年提高。男子800m、跳远；女子跳远这3个项目的成绩在逐年下降。其余6个项目成绩有升有降。

因此我们无法通过直接观察院运会田径比赛平均成绩的变化对下一届院运会比赛成绩与名次进行预测，因此如果想正确预测，要改变传统的仅凭平均值高低进行预测的方法，须根据不同项目项群特点建立有针对性的预测模型。

（二）遴选并建立各单项最佳预测模型

将6~8届院运会男、女运动员各单项前8名运动员的120个比赛成绩数据，归类和排序后将数据库导入spss17.0软件，并通过回归分析，根据不同项目特点遴选最佳的回归方程，根据R2系数确定回归方程曲线的类型经检验适合我院的回归方程共有三种类型：三次方程曲线、乘幂曲线、复合曲线。

以R2系数作为判定指标，最终确定的回归方程式中：一元线性回归方程共有为0项，即所有项目皆为非线性回归方程，这也印证了前文“我们无法通过直接观察院运会田径比赛平均成绩的变化，对下一届院运会比赛成绩与名次进行预测”的论断。

其中以三次方程曲线居多，共有13项，乘幂曲线有1项，复合曲线有1项。这也在侧面说明如要对田径比赛成绩进行预测，须根据不同项目特点，有针对性的科学选择预测模型。

（三）各单项波动差的获得

数值的波动有一定的形式，多通过成绩的升、降组排列合的形式表现出来，因此须确定各不同项目的波动差。以此三届比赛中男、女各单项前8名运动员的比赛成绩中的相同名次成绩为依据，设立波动差为S，相同名次成绩平均数为，相同名次原始成绩分别为L5、L6、L7（其中L5代表第5届成绩、L6代表第 6届成绩、L7代表第 7届成绩），三者之间建立如下关系：S=将此公式确定为田径比赛成绩波动差计算公式，其计算方法举例如下：男子÷3=0.20。

（四）各单项预测成绩范围与名次

依据以上的研究，我们运用spss17.0进行数据处理计算得到男、女各单项预测成绩范围与对应名次。其运算方法为：运用最佳预测模型运算的预测成绩平均值（）±波动差（S）=预测成绩范围与对应名次[1]。

计算方法举例如下：男子 100m预测成绩范围与对应名次：Y上限=（Σ 11.516+0.033X+0.006X2）/3-SM100=（11.55493+11.60429+11.66270）/3-0.20=11.61-0.20=11.41；Y下限=（Σ11.516+0.033X+0.006X2）/3-SM100=（11.55493+11.60429+11.66270）/3-0.20=11.61+0.20=11.81。运算得到：下一届院运会男子100m第1名的比赛成绩预测范围应为11.41~11.81s。以此类推可以得到我院运动会所有比赛成绩预测范围

四、结论

（一）最佳预测模型中，三次方程曲线有13项、乘幂曲线有1项、复合曲线有1项。从而证实预测模型皆为非线性回归方程，且不同竞赛项目的预测模型不相同。不可以用传统的历届成绩平均值法预测下一届运动会成绩范围。

（二）根据这三届男、女各单项前8名运动员成绩为鉴标，建立波动差（S）计算公式，再通过应用最佳计算公式：Y（最佳预测模型）±S（波动差），预测下一届院运会比赛成绩与名次，使预测成绩更加贴合实际情况。

（三）各系可利用本研究数据作为决策参考，为广东省第十届大学生运动会、学院运动会提前做好选拔、组队和备战工作。做到有的放矢，集中精力抓传统强项，培养弱项后备人才，争取获得更好的成绩。