[发明专利]基于神经网络的预测系统及方法

权利要求书

1.一种基于神经网络的预测系统，其特征在于，包括信息录入模块、神经网络构建模块、神经网络预测模块、比较模块和显示模块；

所述信息录入模块包括信息采集单元、信息预处理单元、信息存储单元及信息输出单元；

所述信息采集单元用于采集篮球运动员的各项数据；

所述信息预处理单元用于将所述各项数据进行归一化处理，使数据转化为[-1,1]之间的数字；

所述信息存储单元用于对所述信息预处理单元归一化处理后的各项数据进行存储；

所述信息输出单元用于将所述信息存储单元中存储的各项数据进行传输；

所述神经网络构建模块用于根据信息输出单元传输的数据进行BP神经网络的构建，得到多个BP神经网络模型，形成BP神经网络模型群；

所述神经网络预测模块用于根据所述BP神经网络模型群对信息输出单元传输的数据进行篮球运动员控球位置的预测；

所述比较模块用于对神经网络预测模块输出的预测结果进行比较，得出预测结果中的最大值及所述最大值对应的控球位置；

所述显示模块用于对信息录入模块所需输入数据及比较模块的输出数据进行显示；

所述信息采集单元具体用于：随机选定400名不同控球位置的篮球运动员，记录基本相关信息并对各个测试项目进行检测，测试项目分为：形态项目、素质项目及技术项目；形态项目分为：身高、上肢长、下肢长、指距/身高、科托莱指数；素质项目包括定点跳远、深蹲、10米滑步、30米跑、15*17米往返跑、40kg卧推、坐位体前屈；技术项目包括两分钟投球、定点投球、S形控球躲避；将待选篮球运动员进行相应的测试项目检测；组织多名权威专家对不同控球位置的篮球运动员在各测试项目上的表现进行综合评分，并取平均值作为不同控球位置的篮球运动员的综合评分，并将350名不同控球位置的篮球运动员的不同测试项目的测试成绩及不同控球位置的篮球运动员的综合评分作为训练数据用来训练BP神经网络模型集群，将50名不同控球位置的篮球运动员的不同测试项目的测试成绩作为测试数据用来验证BP神经网络模型集群的准确性；根据不同控球位置的篮球运动员在球队中所在控球位置不同对训练数据进行分组，共分为：前锋、中锋和后卫三个分组，其中前锋由小前锋和大前锋组成，后卫由得分后卫和控球后卫组成；用于BP神经网络模型训练的训练数据的参数为：身高、上肢长、下肢长、指距/身高、科托莱指数、定点跳远、深蹲、10米滑步、30米跑、15*17米往返跑、40kg卧推、坐位体前屈、两分钟投球、定点投球、S形控球躲避共15项；

该系统还包括，加权模块；所述加权模块用于：

对信息存储单元存储的不同控球位置的篮球运动员的各项数据进行K-means聚类，得到不同控球位置的篮球运动员的各项数据的聚类中心点，并将所述聚类中心点作为不同控球位置的篮球运动员的基准特征向量；

将信息输出单元输出的待选篮球运动员的各项数据与不同控球位置的篮球运动员的基准特征向量通过Pearson相关系数进行相似度计算，将Pearson相关系数最大的基准特征向量对应的控球位置作为待选篮球运动员的第一预测控球位置；

若神经网络预测模块的预测结果中的最大值对应的控球位置与第一预测控球位置相同，则不对神经网络预测模块的预测结果中的最大值进行加权；若神经网络预测模块的预测结果中的最大值对应的控球位置与第一预测控球位置不相同，则对第一预测控球位置对应的BP神经网络模型的输出数据进行加权，并将加权后的输出数据作为对应BP神经网络模型的输出数据。

2.根据权利要求1所述的基于神经网络的预测系统，其特征在于，所述信息采集单元具体用于采集不同控球位置的篮球运动员及待选篮球运动员的各项数据，信息采集单元设有20个信息采集窗口，所述信息采集窗口用于显示输入的数据的测试项目类型和输入数据的单位。

3.根据权利要求2所述的基于神经网络的预测系统，其特征在于，所述神经网络构建模块具体用于：

对神经网络的初始参数进行设置，所述初始参数包括隐藏层节点数；

采用Levenberg-Marquardt方法训练BP神经网络的前向网络；

基于归一化后的不同控球位置的篮球运动员的各项数据和神经网络初始参数进行神经网络的训练，得到多个BP神经网络模型，从而得到BP神经网络模型群。