训练负荷—体能状态关系的数学建模 ——以散打运动员为例

论文摘要

研究目的:根据“超量恢复理论”与“机能储备”理论,建立“负荷-体能状态”数学模型,了解运动员对运动训练的适应特性及个性化特征,根据建立模型模拟四种赛前减量计划达到最大体能状态的值及所需时间,为赛前训练计划的制定提供参考。研究方法:模型参考Banister的“负荷-体能状态”模型,对模型中的适应量的变化做非线性改进,增加适应的极限量参数。参数估计所需数据为6名优秀散打运动员（平均年龄为18.2±0.75,平均训练年限为4.6±0.49）的训练实测数据,测试过程中不对教练员训练计划进行干预。模型输入变量为外部负荷。根据运动队训练内容模式较固定,训练负荷控制较精确的特点,外部负荷的计算的方法为先采用TRIMP的计算方法一次性标定各训练内容的负荷大小,以后直接根据标定的负荷大小结合训练内容计算外部负荷的大小。为标定运动过程中的各种训练手段的负荷、强度大小,测试期间训练全程戴心率表,心率表为Suunto T6,要求对每一种训练手段都有记录。所有训练手段的负荷量和平均心率的标定尽量在两周内完成,在训练过程中有新的训练手段时,戴心率表记录该运动的心率负荷。同时对运动员进行自觉疲劳程度的问卷调查了解每一种负荷强度的RPE值,作为心率标定方法的参考。每种形式的生理负荷应用TRIMP方法计算,最大心率以散打运动员4局实战训练中的最高心率为最大心率,安静心率以测试当天的安静心率为准。平均心率为以一组训练内容的平均心率,包括次间间歇休息。各训练内容的平均心率与10分标准的运动员自我感觉疲劳程度RPE值作皮尔逊相关性检验。模型的输出变量为体能状态,体能状态的量化为将整节训练课作为一个体能测试过程看待,计算方法为当天训练的外部负荷与内部负荷的比值,以此作为前一天的输入负荷的输出量。外部负荷确定的方法为以上所述,内部负荷的确定以小量的定量负荷后心率恢复的水平间接反应当天训练课的生理负荷量,测试在每天训练课结束后进行。对心率恢复水平根据训练课的负荷重心得出的系数作出调整,作为当天训练课的内部负荷量的估算。根据“超量恢复理论”与“机能储备理论”建立体能状态与负荷量之间关系的差分方程,根据方程建立Simulink仿真模块。将实测的输入输出数据代进仿真模块利用Simulink参数估计工具箱进行参数估计。模型中共有5个参数,进行非线性最小二乘法参数估计时需要对适应和疲劳两个中间状态变量的变动范围根据测试值和理论上的可能性进行限定,同时还要求对参数的初始值进行多次设定,使参数估计结果符合理论假设,同时有较好的拟合优度。拟合度以决定系数（ R 2）计算,残差的正态性检验为Shapiro-Wilk检验,检验结果以P>0.5的显著性水平为残差分布符合正态性。得出模型的参数后,应用仿真模型对于每一个受试者进行赛前减量训练模拟,研究不同的运动员对不同的训练计划的反应,考察到达最大体能状态的值和所需的时间,为赛前训练计划的负荷量制定提供参考。模拟的初始负荷为28天的过去测试期间的平均负荷88（AU）,使体能状态达到平稳。对于没有建立前超负荷训练情况的模拟,直接进入到赛前建立训练的模拟过程,对于有超负荷训练的,进行1周平均负荷量的130%模拟后,再模拟减量。所有方式最终减量到大约36（AU）,相当于一组8次接腿摔的负荷量。对模拟结果中各建立方案达到的最大体能状态值、达到的时间以及维持较高体能状态（相比减量前增加值的95%）的持续时间进行单因素方差分析比较均数大小。研究结果:各训练手段的平均心率与强度的RPE值均显著高度相关;应用TRIMP方法计算的负荷值与调整后的心率恢复水平的相关性为0.833±0.068 （P<0.05）,对心率恢复的非线性回归的拟合度较高, R 2 =0.91±0.031（P<0.01）。对模型参数估计时的拟合度为R 2 =0.60±0.019,残差的正态性检验只有一名运动员拟合残差拒绝假设为真,相比同类研究,拟合结果较理想。进行赛前减量的模拟发现减量前加载超负荷后进行指数级减量达到体能状态水平最高,超负荷线性减量后达到最大体能状态所需的时间最长,同时其维持较高体能状态的时间也最长。结论:本研究的模型基于Banister的“负荷-体能状态”改进,加入适应极限量相关的参数后,模型成为非线性,模型拟合结果比较同类的文献研究较理想。建模的结果说明,建模的运动适应机制的理论假设是可以接受的,但并不排除可以用其它的理论假设解释运动适应的机制。利用建立的模型进行赛前减量的模拟表明,线性减量方案达到的最大体能状态的值较指数级减量方案低,但维持较高体能状态的时间较长,容易使运动员赛时处于较好的体能状态。最后,根据建模的理论假设,提出运动员体能状态的动态诊断与分型的观点。

论文目录

• 摘要
• ABSTRACT
• 1. 绪论
• 1.1. 研究的背景
• 1.1.1 当前运动适应机制的解释及问题
• 1.1.2 散打运动的项目特征对建立负荷－体能状态数学模型的意义
• 1.2. 研究的目的意义
• 1.3. 研究的内容概括
• 1.4. 研究的技术路线
• 2. 研究现状综述
• 2.1. 训练负荷-体能状态（training load-performance）模型
• 2.1.1 模型的产生
• 2.1.2 模型的发展
• 2.1.3 模型的检验
• 2.2. 运动后心率恢复特性
• 2.2.1 生理机制
• 2.2.2 心率恢复与训练状态的关系
• 2.3 应用数学模型建立体能－负荷模型存在的问题
• 2.3.1 变量的选择
• 2.3.2 模型结构和参数辨识
• 2.3.3 计算机模拟
• 2.4. 小结
• 3. 模型的建立
• 3.1. 模型的输入变量——训练手段负荷的标定与外部负荷估算
• 3.1.1、外部负荷的标定
• 3.1.1.1 研究对象与方法
• 3.1.1.2 研究结果
• 3.1.2. 外部负荷的估算
• 3.1.2.1 计算方法
• 3.1.3. 讨论
• 3.1.4 小结
• 3.2. 模型的输出变量——体能状态的确定
• 3.2.1 研究方法
• 3.2.1.1 心率恢复水平（LHRR, the level of heart rate recovery）的计算
• 3.2.1.2 负荷重心水平与心率恢复纠偏
• 3.2.1.3 体能状态的估算
• 3.2.2 研究结果
• 3.2.2.1 心率恢复曲线的拟合
• 3.2.2.2 心率恢复水平LHRR与TRIMP和RPE的相关性
• 3.2.3 讨论
• 3.2.3.1 影响运动后心率恢复值非线性拟合优度的因素
• 3.2.3.2 运动后心率恢复水平重复测试的稳定性
• 3.2.3.3 训练负荷量与心率恢复的关系
• 3.2.3.4 影响运动后心率恢复水平与运动负荷之间关系的因素
• 3.2.3.5 体能状态的确定
• 3.2.4 小结
• 3.3. 训练负荷与体能状态关系的数学建模
• 3.3.1 负荷-体能状态数学模型的建立
• 3.3.1.1 模型的理论假设
• 3.3.1.2 模型的建立
• 3.3.2 模型的simulink仿真
• 3.3.3 模型的参数估计
• 3.3.4 参数估计结果
• 3.3.5 模型的输出响应
• 3.3.6 分析与讨论
• 3.3.7 小结
• 4. 赛前减量训练计划对体能状态的影响的模拟
• 4.1 研究方法
• 4.2. 模拟结果
• 4.3 讨论
• 4.4 小结
• 5. 运动训练理论扩展——运动员体能状态变化的动态诊断与分型
• 5.1. 体能状态下降的动态诊断与分型
• 5.2. 体能状态上升的动态诊断与分型
• 5.3
• 6. 总结与展望
• 6.1. 研究的主要结论
• 6.2. 研究的创新点和局限性
• 6.3. 研究展望
• 参考文献
• 致谢