高强度训练下学生体质健康参数状态监测方法

曹 健

(安徽理工大学 体育部,安徽 淮南 232001)

高强度训练是一种单次性的、短时间内的体能训练,是针对性强、满足程度高的训练方式.学生在高强度训练方法下,其体质健康参数的实时状态监测变得尤其重要.高强度训练过程中,由于运动量高出平常训练水准,训练难度也随之加大,这些都有可能对学生的身体健康状况造成影响,因此需要利用监测仪器设施,对学生的健康参数状态进行检测[1].

常规的监测方法针对这一问题,提出一个监测精准性能极佳的监测方法,该方法利用监测仪,对训练结束后的学生体质健康进行监测,以此发现学生身体是否出现异常.但由于高强度训练的特点,这些身体异常也可能出现在训练初期阶段和训练进行阶段,而常规的监测方法无法对上述两个阶段内的学生健康参数,进行实时监测与数据上传,因此提出一个阶段式的健康参数状态监测方法[2].

阶段式的监测方法顾名思义,就是对训练初始阶段、进行阶段以及完成阶段均进行实时监测,通过设置不同监测阶段的安全预警值,实时监控学生的身体状态,确保学生训练安全.该方法的提出,不仅丰富了监测方法的监测过程,优化监测安全性能,同时还通过全新的设计理念,设置全新的监测手段,为其他类型数据的监测,提供一份设计思路[3].

1 高强度训练下学生体质健康参数状态监测方法

1.1 设置高强度训练下健康参数集成动态监测模式

在高强度训练下,学生的体质参数,会随着训练强度的变化而改变,图1为体质健康参数的动态变化示意图.

图1 学生体质健康参数变化曲线

图2 体质特征变化数据表现形式

根据图1中的曲线走势可知,体质健康参数随着训练强度的提升而逐渐上升,但根据曲线动态变化量可知,点a1和点a2为两个临界值点,当训练强度达到k1时,健康参数从a1开始变化程度加大；当训练强度超出k2时,健康参数从a2点开始,变化量增大到极限[4-5].根据图1所示的关系指标,设置对学生体质的三段式、不同健康参数的集成动态监测模式.假设图中所示的关系指标为r′,根据三角转移概率矩阵,描述人体健康参数的变化过程：

F(kt=j|kt-1=i)=xij=0

(1)

式(1)中：kt表示在t时刻的训练强度；i表示水平坐标；j表示垂直坐标；xij表示变化后的健康参数动态变化位置；F(*)表示概率矩阵[6].假设D(xij)表示健康参数的变化阶段函数,则根据该函数,获取人体体质变化特征量：

(2)

式(2)中：z表示学生体质变化特征量；μ(xij)表示参数驻留概率函数；Δ表示偏差量；λ表示特征变化幅度系数；W表示假设的身体承受极限；ωi表示极限系数权重；n表示健康参数集成指数[7].根据式(2),设置健康参数集成动态监测模式,得出学生的体制变化特征量.

1.2 加权聚类学生体质变化特征

根据图2中特征量的散布情况,利用模糊类间散布矩阵和模糊类内散布矩阵,对特征数据集进行硬划分,通过类型1特征与类型2特征之间的最小差值,找到硬划极限坐标节点的边界位置,得到同一特征类型的体质变化集合：

(3)

(4)

式(4)中：φij表示特征加权散度值在定义空间内的坐标；ω表示一般属性权重；β表示目标聚类结果,以此实现对学生体质变化特征的加权聚类,得到的体制健康参数的波动范围：

(5)

式(5)中：c1、c2分别表示每一监测阶段中,健康参数的波动范围的上限和下限；ε表示动态变化波动指标；γ表示临界值约束条件[11].按照上述操作方法,将变化特征加权聚类,得出参数波动极限,以此确定高强度训练下,监测模式中,学生健康参数在不同阶段的波动范围.

1.3 偏移度算法获取健康参数实时状态

偏移度法通过参数偏离度,描述监测处理模块中,数据与上一阶段监测数据之间的差异值,反映健康参数的实时状态.为了令阶段性的监测方法具有可靠性和精准性,将原有偏移度算法进行简化和变形,重新定义后的算法为：

(6)

表1 偏移量计算结果

经计算,可知表1中的偏移量符合监测要求,因此通过分析学生的体质健康数据,设置监测安全指标.经过数据统计,现阶段学生的身体健康情况分为4种类型,包括身体形态、身体机能、身体素质和身体代谢[14].根据评估模型,获取这些参数之间的关联：

(7)

式(7)中：qn表示被n个因素影响的关联指标；b表示关联性数量；ηj表示关联属性为j的识别能力；ai表示偏移量gi的默认剔除值.根据该指标设置监测数据临界预警值,如图3所示[15].

图3 监测临界值分级结果

图4 实验室真实环境

按照图3所示内容设置监测预警参数,对学生健康参数状态进行实时监测,确保高强度训练下,对学生身体健康参数的安全监管,至此实现对学生体质健康参数状态的监测.

2 实验测试

提出对比实验,将所提出的监测方法与常规监测方法进行对比,分析两种监测方法的监测能力.

2.1 实验准备

选择一个面积较大的教室作为实验室,同时选择适合此次实验测试的健康状况检测设备、健康参数监测设备,图4为实验室真实环境.

利用基本检测设备,对实验测试开始之前的学生身体基本状态进行检测.为保证实验测试结果具有可靠性和普遍性,随机选取30名学生作为实验测试对象,其中男同学和女同学各15名,表2、表3为实验开始之前,学生身体状态检测结果.

表2 男生身体状况检测结果一览表

表3 女生身体状况检测结果一览表

根据表2、3可知,选择的30名学生的身体健康状况在良好之上,可以进行高强度的身体训练.令男生、女生3人一组,分成5组男生H1-H5,和5组女生V1-V5.设置仪器在高强度下的使用时间,同时让学生穿戴可穿戴式健康状态监测背心,开始体能训练.

2.2 结果分析

本次实验测试,将H1、H2和V1、V2组学生,作为所提出监测方法的实验测试对象,其监测数据为实验组；将H3、H4和V3、V4组学生,作为常规监测方法的实验测试对象,其监测数据作为对照组.图5、图6所示,为此次实验测试对比结果.

图5 实验测试对比结果(男生组)

图6 实验测试对比结果(女生组)

此次实验不论是男生组还是女生组,针对高强度训练,均对三个阶段的学生体质健康参数状态进行监测.根据上述两组实验测试结果可知,所提出监测方法,通过监测得到学生三个阶段的健康参数变化值；而常规监测方法由于其单一性问题,只对训练结束后的身体健康参数进行监测.两种方法对比之下,所提出监测方法的安全性更高,可以实时监测学生在高强度训练中,身体健康参数实时变化情况,避免突发性事故的发生.

3 结 语

此次提出的学生体质健康参数状态监测方法,针对高强度训练特点,在训练初始阶段、训练进行阶段以及训练结束三个阶段,对学生的身体状况进行监测,通过加权聚类学生的身体变化特征,获取健康参数的实时变化状态,是一个阶段式的监测方法.该方法的提出,保证了学生在高强度训练下的人身安全,同时令监测技术提升了一个新的台阶.但该监测方法还存在一定的局限性,例如该监测需要人为调整监测设备,在今后的研究中,可以设计一套自动控制的监测设备,实现更加智能化的监测手段.