静态姿势评估在高强度篮球训练运动损伤预防中的应用

朱 磊

(芜湖职业技术学院 体育教学部，安徽 芜湖 241003)

高强度篮球训练运动会导致脊柱、骨盆、踝关节、肩部关节损伤，严重时甚至会导致无法活动。需要构建优化的高强度篮球训练运动损伤预防参数分析模型，结合对静态参数和大数据分析方法，实现对高强度篮球训练运动损伤预防参数评估，提高高强度篮球训练运动损伤预防效果[1]。

对高强度篮球训练运动损伤的预防是建立在对运动员参数分析的基础上，结合对高强度篮球训练运动损伤参数分布，采用身体控制力分析，减少运动员的体能消耗，提升高强度篮球训练中身体平衡性和协调性，提高高强度篮球训练运动损伤预防能力，结合融合聚类方法，实现高强度篮球训练运动损伤资源优化调度[2]。构建高强度篮球训练运动损伤预防的评估模型，使各种信息相互融合，从而提高高强度篮球训练运动损伤预防的量化评估能力。提出的基于静态姿势评估在高强度篮球训练运动损伤预防方法，采用静态姿势评估方法建立高强度篮球训练运动损伤融合和自动化评价的参数分析模型[3]，采用统计回归分析方法，构建高强度篮球训练运动损伤融合的大数据分析模型，结合对高强度篮球训练运动损伤融合大数据参数分析结果，根据对高强度篮球训练运动损伤的状态参数分析结果，采用加权分析的方法，进行高强度篮球训练运动损伤预防信息的自适应重组，实现对高强度篮球训练运动损伤的量化分析。最后进行数据测试分析，展示了本研究所使用的方法在提高高强度篮球训练运动损伤预防效果方面的优越性能。

1 高强度篮球训练运动损伤预防的量化参数分析

建立静态姿势评估大数据分析模型下高强度篮球训练运动损伤预防参数分析模型，采用统计回归分析，设定置信度，分析高强度篮球训练运动损伤的约束分布[4]，得到高强度篮球训练运动损伤预防的静态姿势参数约束变量如表1所示。

表1 高强度篮球训练运动损伤约束变量参数分布

续 表

根据表1的参数分布，结合训练的活动参数分析，建立静态姿势评估大数据分析模型下高强度篮球训练运动损伤预防解析模型[5]，得到高强度篮球训练运动损伤预防的原意支持度分布水平如图1所示。

图1 高强度篮球训练运动损伤预防的原意支持度分布水平

采用优化得分的评价系统构建方法，结合统计分析和大数据处理技术，进行高强度篮球训练运动损伤预防控制和信息传输模型，得到高强度篮球训练运动损伤的静态姿势评估的评分指数分布如表2所示。

表2 高强度篮球训练运动损伤的静态姿势评估的评分指数分布

续 表

根据参数融合和拟合分析，得到高强度篮球训练运动损伤指数分布曲线如图2所示。

图2 高强度篮球训练运动损伤指数分布曲线

2 高强度篮球训练运动损伤的静态姿势评估

根据图2的高强度篮球训练运动损伤指数分布曲线，采用关联特征分解方法进行高强度篮球训练运动损伤预防的自适应重组[6]，得到高强度篮球训练运动损伤评估的模糊度函数为：

(1)

其中，ε为自适应环境参数调节常数，a为运动损伤关联系数，b为运动损伤自适应特征，c为运动损伤置信度。建立基于三维特征分布式解析，采用灰色关联分析，得到高强度篮球训练运动损伤的参数分布为：

(2)

其中，σ为表示高强度篮球训练运动损伤评估的模糊度隶属函数。采用梯度解析，求得高强度篮球训练运动损伤有效评估的统计特征量为：

(3)

用量化回归分析方法，得到高强度篮球训练运动损伤预防的大数据关联特征分解描述为：

(4)

式中，Pi(i=1,2,...,n)表示i=1,2,...,n个高强度篮球训练运动损伤预防特征分类属性集，I分别为可靠性评价系数。结合静态姿势评估，采用权重分析，得到高强度篮球训练运动损伤评价的模糊迭代函数：

(5)

由此得到高强度篮球训练运动损伤预防特的可靠性评价数学模型：

(6)

式中：g为高强度篮球训练运动损伤预防特征分布刻度；t为关联特征匹配变量；x、y、z为空间坐标；kx、ky、kz为x、y、z参考分布空间高强度篮球训练运动损伤渗透系数；v为高强度篮球训练运动损伤预防评价项；h为约束自变量；δ为汇源项；J为高强度篮球训练运动损伤预防特征信息融合区域；l为可靠评价模糊度系数。根据上述分析，建立高强度篮球训练运动损伤预防的静态姿势估计模型[7]。

3 实证分析结果测试

在上述评估模型和算法设计基础上，构建高强度篮球训练运动损伤融合的大数据分析模型，结合对高强度篮球训练运动损伤融合大数据参数分析结果，根据对高强度篮球训练运动损伤的状态参数分析结果，采用加权分析法，采用SPSS14.0统计分析软件，进行高强度篮球训练运动损伤预防信息的自适应重组[8-9]，得到不同姿态姿势变化模式下的姿势特征参数估计，结果如表3所示。

表3 不同姿态姿势变化模式下的姿势特征参数估计结果

根据表3的参数测量结果，分析在不同强度训练下的肌肉拉伤水平，训练强度从大到小分为4等，如图3所示。

(a)训练强度1 (b) 训练强度2

(c)训练强度3 (d) 训练强度4图3 不同训练强度下的拉伤水平

分析图3得知，随着训练强度的增大，受伤的概率增大，且具有显著性，取35位受测对象，得到不同训练强度下各个受测对象的训练运动损伤率分布如表4所示。

表4 不同训练强度下各个受测对象的训练运动损伤率分布

续 表

分析表4得知，通过调整静态姿势，能有效预防运动损伤、降低损伤率、实现高强度篮球训练运动损伤预防，测试姿态评估精度如表5所示，分析得知，本测试损伤恢复效果，得到结果如图4所示。分析得知，本研究所使用的方法进行高强度篮球训练运动损伤预防的可靠性较好，预测评价的精度较高，提高了损伤恢复的效果。

表5 姿势评估精度

图4 损伤恢复效果

4 结语

结合对静态参数和大数据分析方法，实现对高强度篮球训练运动损伤预防参数评估，提高高强度篮球训练运动损伤预防效果。采用统计回归分析，设定置信度，分析高强度篮球训练运动损伤的约束分布，采用SPSS14.0统计分析软件，进行高强度篮球训练运动损伤预防信息的自适应重组，构建不同姿态姿势变化模式下的姿势特征参数估计模型。分析得知，本研究所使用方法对高强度篮球训练运动损伤预防的可靠性较好，置信度较高。