VMG(Velocity Made Good)是帆船在前进过程中船速在风的方向上的投影,它体现了帆船在风向上前进的能力,反映了帆船运动员利用风的能力。因此,对运动员而言,若能掌握VMG的变化范围,即为他们制定帆船航行方向决策提供了科学依据。基于与上海体育局合作的《帆船帆板赛场环境监测和运动技术分析系统开发》课题所采集到的有关帆船运动的原始数据,首先,采用基于模糊集的信息粒化方法将原始数据粒化,得到VMG的模糊粒子;之后,采用支持向量机(Support Vector Machine,SVM)的学习方法实现对模糊粒子的上下界的回归预测,从而实现了帆船VMG时间序列的模糊边界的变化范围预测。实验仿真结果证明了这种研究方法的有效性。
VMG(Velocity Made Good)泛指帆船在迎风阶段船速于迎风方向上的分量,反映了帆船运动员利用风的能力。在前期研究中通过设计BP神经网络模型对帆船VMG进行预测。为提高BP神经网络预测的准确性,提出了采用遗传算法对原网络模型的权值及阈值进行优化,并对网络重新进行学习训练。对比结果表明,使用遗传算法优化后的BP模型在多项指标上都有了明显提高。
VMG(Velocity Made Good)指帆船于前进过程中船速在风方向上的投影,其体现了帆船在风向上前进的能力,反映了帆船运动员利用风的能力。因此,对运动员而言,若能掌握VMG的变化趋势,即为运动员制定帆船航行方向决策提供了科学依据。基于目前所采集到的有关帆船运动的原始数据,利用BP神经网络建立三层神经网络结构模型,以船速、船向、海风速度以及海风风向等4个指标作为输入样本,对帆船在下一时刻的VMG速度进行预测。实验仿真结果证明了这种研究方法的有效性。
