运动状态下肌肉耐力测试指标筛选方法研究

姚 晶 晶

(安徽新华学院 通识教育部，安徽 合肥 230088)

0 引 言

近年来人们对身体素质的要求越来越高，很多人投入到全面健身与体育运动的热潮当中。进行相关的体育训练与身体锻炼之前，需要结合自身的身体机能情况制定更加科学合理的训练计划，保证运动的安全性和有效性[1]。身体机能测试包括肌肉耐力测试、心肺功能测试等，其中肌肉耐力主要是指人体长时间进行持续肌肉工作的能力，也就是对抗疲劳的能力。耐力包括两个方面，一个是肌肉耐力，另一个为心血管耐力。发展肌肉耐力素质的基本途径有2个，分别为增强肌肉力量、提高肌肉耐力的训练和提高心肺功能。为了客观评价运动人员的身体状况，需要在运动状态下对人体肌肉耐力进行测试。为了得出更加客观的测试结果，需要对运动状态进行严格的定义，主要是人体在进行机械运动时相对某个参考系的运动速度的状态[2]。然而经过一段时间的耐力测试发现，由于需要检测的指标数据过多，虽然得出的测试结果更加准确，但需要消耗大量的测试时间，使得得出的测试结果缺少实时性。因此需要设置相应的测试指标筛选方法。

针对运动人员肌肉耐力测试中的指标筛选工作，国内外的相关学者已经取得了一定的研究成果，其中包括基于灰关联分析的指标筛选方法、基于决策树的指标筛选方法以及基于数据挖掘的指标筛选。传统指标筛选方法分别利用了灰关联分析技术、决策树分析技术和数据挖掘技术，通过多个分析技术的应用可以得出指标量化下肌肉耐力测试的综合评定结果。然而传统方法得出的筛选结果仍会出现部分无关测试指标，增加了肌肉耐力测试指标的计算量[3]，并且由于引用了多个分析技术，在数据处理与决策树建立的过程中消耗的时间较长，因此指标筛选的周期也较长。为了解决传统指标筛选方法存在的运行时间长的问题，进行该方法的优化设计。结合主成分分析以及生物力学分析的相关研究，实现运动状态下肌肉耐力测试指标筛选方法的优化，旨在提高指标筛选质量的同时，提升指标筛选的速度。

1 准备肌肉耐力测试数据

为了实现肌肉耐力测试指标的快速筛选，在传统筛选方法的基础上进行优化设计。按照传统筛选方法的运行流程，首先准备运动状态下肌肉耐力的测试数据。目前对运动状态下运动员的肌肉耐力的测试还没有一个很好的方式，使用直接跑百米技术的方法可以在一定程度上反应出下肢肌肉的耐力情况，但精确度不高，不能实现运动过程中肌肉耐力变化情况的实时量化，且这种测试方式只能够针对运动员某一部分的肌肉进行检测[4]。为此，此次运动状态下肌肉耐力测试数据的准备与采集分为两个部分，分别为四肢肌肉的耐力和腹部肌肉的耐力，具体的测试过程如图1所示。

图1 肌肉耐力测试流程

按照图1中的耐力测试流程分别选择多名测试运动员，并以人体学结构和生物力学原理为基础，构建肌肉耐力的力学模型[5]。按照测试流程首选对运动员的四肢肌肉耐力进行测试，测试中使用的主要测试用具与测试方法如图2所示。

图2 肌肉耐力测试示意

从图2中可以看出四肢肌肉耐力测试的运动类型为举重，准备的测试用具为杠铃架，在测试过程中要求运动员站立在测试台上，按照自身的运动习惯使用相关器械，以最快的速度切换到运动状态[6]。为了避免运动员在测试过程中产生损伤，在力量测试前需要有至少5 min的准备活动。在图2表示的运动机器的基础上，还需要在该设备上安装多个辅助仪器，其中包括传感器、计时器等，辅助设备的作用是采集运动员在运动状态下产生的一系列运动数据[7]。设定采集设备的采样频率为50 Hz，采样时间为5 min，采集时间间隔为t0。

在构建的生物运动力学模型下，以采集的初始肌肉数据为基础进行数据处理，主要用来计算肌肉耐力的衰减幅度[8]。为了保证计算结果的准确度，在数据处理的过程中选择五点三次法对数据做平滑处理，该方法的执行原理是将每一个计算点处的峰值力量用该时间点处的峰值加上前后2个点的峰值的平均值来表示对应位置的实际力量值。那么运动员在运动状态下任意一个时刻的肌肉力量值可以通过公式(1)来计算。

(1)

则此时肌肉力量的衰减率的计算公式为

(2)

(2)式中F0表示的是运动员的初始肌肉力量值。耐力型力量会随着时间的推移而发生变化，通过对衰减率的拟合处理得出肌肉力量值的变化函数为

f=aebi

(3)

公式(3)中a和b表示的是常数，a的具体取值与运动开始时的峰值力量有关，而常数b表示的是衰减系数[9]。分别将运动员的基本信息、采集数据以及计算结果按照统一的格式存储，作为肌肉耐力测试指标制定与筛选的准备数据。

2 初步筛选测试指标

为了保证肌肉耐力测试指标的筛选质量，将筛选过程分为2个步骤，分别为初步筛选和最终筛选。初步筛选以采集到的基础测试数据为基础，利用统计学的方式设定肌肉耐力的测试指标，实现指标的定量处理[10]。按照数据测试的类型，将肌肉耐力的测试指标划分为基础指标、身体形态指标和身体素质指标3个部分，部分指标量化结果见表1。

表1 肌肉耐力测试量化指标

2.1 运动指标

运动指标主要指的是运动员的运动测试结果，在此次测试过程中主要针对运动员的四肢肌肉和腹部肌肉进行测试，因此对应的运动指标就是举重的个数、重量、消耗时间以及俯卧撑的数量、运动时间。

2.2 肌肉力量指标

肌肉力量指标对应的是测试过程中传感器得出实时测试结果，除了传感器中的数据外，还需要设置肌肉在静止状态下的力量情况[11]。

2.3 骨密度指标

由于此次测试主要针对的是四肢和核心位置，因此对于骨密度指标的测量对象为四肢骨和核心位置上的肋骨。选用双能X线骨密度仪对人体进行测量，测试时间为5 min。

2.4 激素指标

激素指标主要测试的是在运动过程中运动员体内激素的变化情况，主要针对的测试激素包括胰岛素、胰高血糖素、皮质醇、肾上腺素、去甲肾上腺素、生长激素等。激素指标的测试需要分别抽取运动员在运动和静止两种状态下的血液样本，提取其中的血清分析对应的激素成分，从而确定激素指标的具体测试结果。

2.5 形态学指标

形态学指标在运动员进行肌肉耐力测试的当前进行测量，要求运动员的状态为空腹状态，形态学指标包括身高、体重、肢体围度、皮皱厚度等。

2.6 最大摄氧量指标

最大摄氧量是在人体进行最大强度运动时，机体出现物理继续支撑之后运动所能摄入氧气的含量。是人体有氧运动能力的重要指标[12]。该指标的测试方法为间接测试法，依据人体的耗氧量与自身完成的功率和运动时的心率密切相关的原理，通过运动时心率和运动完成的功率，推测运动人员的最大摄氧量。

2.7 体适能指标

体适能为人体应具备充足的精力从事日常运动，同时有余力享受运动的乐趣，能够适应突发状况的能力。该项指标的量化结果见表2。

表2 体适能测试指标

3 分析肌肉耐力测试指标性能

分别从肌肉耐力测试指标的相似性和可靠性2个方面进行指标之间的具体分析，方便将初步筛选结果中可靠度低或相似度高的指标筛选出来，进行进一步的研究分析。采用耐力指标的七级评分标准，参考相关测试数据对运动员的耐力进行评价[13]。考虑人体正常的耐力限度，设置评分结果为3-5级时表明该指标具有较高的可靠性。而相似度计算的目的是为了简化测试指标，提取各个指标对应的测试数据，以及指标与数据的特征向量，从而计算两者之间的相似程度。经过计算发现指标之间的相似度高于60%，则将2个相似向量提取出来，待下一步计算处理；若计算结果低于60%，则继续进行下一组指标的计算处理。

4 实现肌肉耐力测试指标筛选

以肌肉耐力测试指标的初选结果为数据基础，针对可靠性低、相似度高的指标进行进一步处理，从而得出最终的指标筛选结果。

利用主成分分析法将相似度较高的指标进行降维处理，即在多个相似度较高的指标中选择一个指标，作为肌肉耐力测试中的实际测试指标[14]。主成分分析法的降维处理过程如图3所示。

图3 主成分分析流程

按照图3中的分析流程，定义为初始筛选结果指标的第一个线性组合所形成的主成分指标，该指标可以表示为

D1=a11X1+a21X2+…+ap1Xp

(4)

其中Xi为原始筛选指标，aij为变量在主成分上的荷载。由数学知识可知，每一个主成分所提取的信息量可以用其方差来度量，对应方差的值越大，表示该指标包含的信息量越多[15]。按照指标的方差结果按照升序顺序排列，确定第一主成分、第二主成分……第m个主成分。对应的主成分指标表达式为

(5)

根据以上分析可以确定，任意主成分指标之间互不相关，按照主成分方差的求解结果可以将原指标中相似度较高且主成分方差值低的指标剔除。得出的肌肉耐力测试指标的最终筛选结果见表3。

表3 测试指标终选结果

5 指标筛选性能对比实验分析

为证明运动状态下肌肉耐力测试指标筛选方法的应用性能，验证此次筛选方法是否实现了优化目的，设计指标筛选性能对比实验。此次实验选择高校大学生期末体能测试结果为数据集，在高校学生信息管理系统数据库中调取相关的数据信息，降低实验成本同时为实验提供更加精准的数据支持。指标筛选性能对比实验主要为了证明优化设计结果是否解决了传统筛选方法中存在的筛选速度慢的问题，因此选择数据处理与统计软件作为实验平台，该软件的主界面如图4所示。分别将设计的运动状态下肌肉耐力测试指标筛选方法和传统的测试指标筛选方法转换成为程序代码，并导入到主控计算中。通过链接将指标筛选方法与数据处理平台链接在一起，方面数据处理对实时筛选结果数据的实时调用。设置实验起始时间为11∶00∶00，在数据处理软件的后台运行数据中，提取有关于筛选输出时间的数据结果，软件后台数据如图5所示。为了避免实验的偶然性，将此次实验分为8组，调用的体能测试均不同。经过对数据的提取与统计得出实验数据量化的对比结果见表4。

图4 对比实验数据处理界面

图5 实验后台数据示意

表4 实验数据量化对比结果

表4中的数据表示筛选实验的总筛选时长，其中传统筛选方法共花费18′56″，而设计的指标筛选方法的运行时长为10′05″。通过对比计算，传统方法的平均筛选时长为162 s，而设计方法的平均筛选时长为86 s，相比之下筛选时间节省了46.9%。

6 结 论

运动状态下肌肉耐力是人体从事耐力性运动的重要能力，客观评价人体功能的各项生理指标，能够为运动员今后的运动提供科学的参考，有利于制定更加符合自身条件的运动计划。经过运动状态下肌肉耐力测试指标筛选方法的优化设计，有效的提升了指标筛选的速度，与此同时也节省了肌肉耐力测试的工作量。