我国优秀羽毛球运动员运动训练机能监控及其决策支持系统研究
|
摘要
通过对运动训练机能监控来检查和评定运动员承受训练负荷的状态,是运动员竞技能力诊断与监测的一种重要手段,也是当今科学化训练的一个重要环节。其中,运用生理生化测试指标对运动员机能监控是一种常用的方法,现已在运动队中得到广泛应用。但是,在目前的运动训练机能监控中,大部分还是依靠传统的经验和模式来进行,缺乏科学的评价诊断方法和标准。同时,对运动训练的数据处理效率低、分析不系统、信息反馈慢,限制了对训练效果和运动员机能状态的准确诊断与评价。
本研究以国家羽毛球队运动员48人为研究对象,采样测试2006年2月9日至2008年8月4日运动训练期间的一些机能指标,共计测试运动员6000余人次。探讨了优秀羽毛球运动员机能监控评价方法和指标数值变化范围,及对我国优秀羽毛球运动员运动训练机能监控进行个性化分析研究。同时,运用时间序列分析方法,对羽毛球运动员运动训练的机能变化进行监控及预测;应用数据库技术和系统动力学模型,研究并构建了优秀羽毛球运动员运动训练机能监控决策支持系统。
论文采用的研究方法包括:文献资料法、访问调查法、数理统计法、个案分析法、系统分析法和软件工程法。论文研究主要成果如下:
(1)对我国优秀羽毛球男子、女子运动员运动训练监控期间身体机能变化进行了分析,得出了我国优秀羽毛球运动员运动训练机能监控某些生化指标数值变化的警戒低限和高限及等级评价。
①通过对林×和谢×运动训练机能变化进行个性化监控分析,得出林×机能指标WBC、HGB、T、T/C监控低限分别为5.67х109、142g/L、721ng/dl、0.052,CK、BUN、C监控高限分别为706IU/L、8.79mmol/L、19.55ug/dl,相对个人的基础值,WBC、HGB、T、T/C下降百分比分别为17.83%、6.58%、15.38%、23.53%,CK、BUN、C升高的百分比分别是:112.01%、19.59%、28.20%;谢×机能指标WBC、HGB、T、T/C监控低限分别为4.40х109、116.7g/L、31.51ng/dl、0.0022,CK、BUN、C监控高限分别为230.1IU/L、5.96mmol/L、18.88ug/dl,相对个人的基础值,WBC、HGB、T、T/C下降百分比分别为16.98%、6.27%、30.62%、40.54%,CK、BUN、C升高的百分比分别是:83.35%、27.35%、20.41%。
②通过对羽毛球男子和女子运动员训练机能变化监控分析,得出了我国优秀羽毛球男子、女子运动员机能指标变化监控的低限和高限。相对个人的基础值,男子羽毛球运动员WBC、HGB、T、T/C下降百分比分别为19.04%、5.27%、16.45%、25.00%,CK、BUN、C升高的百分比分别是:105.50%、21.98%、22.73%;女子羽毛球运动员WBC、HGB、T、T/C下降百分比分别为17.01%、5.84%、27.35%、33.22%,CK、BUN、C升高的百分比分别是:84.05%、25.76%、24.79%。
(2)运用时间序列分析方法,对我国羽毛球运动员运动训练机能变化进行监控和预测。通过对林×运动训练机能指标数据时间序列进行实证分析,建立了能够比较精确地反映运动训练机能监测数据时间序列中所包含动态依存关系的数学模型。
通过比较AR(1),ARMA(1,1),ARMA(1,2)三个模型,根据决定系数、AIC准则、SC准则,并综合考虑,HGB时间序列模型选定ARMA(1,1)。即:Xt=151.2178+0.5276Xt-1 +εt + 0.1928εt-1
(3)通过对数据库、模型库的分析与设计,构建了羽毛球运动员运动训练机能监控决策支持系统。
①在掌握决策支持系统的基本特征、模式、组成和结构的基础上,结合羽毛球运动训练机能监控的需求,从系统数据库设计、模型设计和知识库设计考虑,分析了羽毛球运动员运动训练机能监控决策支持系统。
②运用数据库等技术,设计和实现了羽毛球运动训练机能监控数据库管理系统。通过对该系统的使用,可以有效地组织管理运动训练机能测试数据并进行机能评价分析,为羽毛球运动训练机能监控提供辅助决策。
③运用系统动力学模型,通过羽毛球运动训练机能监控系统的流位变量(BFL、TLQ、BRQ),流率变量(BFLI、BFLD、TLQI、BRQI),辅助变量(TT、TI、RT、RM),外生变量(RYN),以及各变量要素之间的因果关系,构建了羽毛球运动训练机能监控系统动力学模型,并分别以不同调控参量方案对羽毛球运动员训练监控机能变化进行仿真。
Checking-up and assessing athletes’training state by BFM (body function monitoring,BFM), it is an important measure of diagnosing competitive capability, and it is also a key part of scientific training nowadays. It is a regular way of BFM by testing physiologic and biochemical indexes, which has been abroad used in sports team. But, current way in BFM has been short of scientific estimate and reference, and training data is processed poor efficiency and information is feed back slowly, which affects training purpose and exactly diagnosing physical performance.
The study objects are athletes of Chinese Badminton team (n=48). Body function indexes are tested in time from Feb 9,2006 to Aug 4,2008. The paper has discussed the evaluating means and bound of elite athletes’BFM. By the analysis of time series, body function of badminton athletes’Training is monitored and forecasted. By the model of system dynamics and database technology and so on, the decision support system of BFM for elite badminton athletes’training is studied and constructed.
The methods of study are included: document summary, interview survey, mathematics statistics, case analysis, systems analysis and software engineering.
The research findings are as follows:
(1) The data during BFM for Chinese elite badminton athletes’Training has been analyzed, and the paper has established the measuring scale of grade evaluation for men’s and woman’s badminton athletes by deviation method and method of percentiles.
①The paper has analyzed the changes of body function for Lin and Xie during training. It discovers that Lin’s low limits of WBC, HGB, T and T/C are 5.67×109, 142g/L, 721ng/dl and 0.052, and Lin’s high limits of CK, BUN and C are 706IU/L, 8.79mmol/L and 19.55ug/dl. Comparing with individual basic value, the descending per cent of WBC, HGB, T and T/C are 17.83%、6.58%、15.38% and 23.53%, and the rising per cent of CK, BUN and C are 112.01%、19.59% and 28.20%. It discovers that Xie’s low limits of WBC, HGB, T and T/C are 4.40×109, 116.7g/L, 31.51ng/dl and 0.0022, and Xie’s high limits of CK, BUN and C are 230.1IU/L, 5.96mmol/L and 18.88ug/dl. Comparing with individual basic value, the descending per cent of WBC, HGB, T and T/C are 16.98%、6.27%、30.62% and 40.54%, and the rising per cent of CK, BUN and C are 83.35%、27.35% and 20.41%.
②The paper has analyzed the changes of body function for men’s and woman’s badminton athletes during training. The low limits and high limits of BFM for Chinese elite men’s and woman’s badminton athletes have been discovered. Comparing with individual basic value, the descending per cent of WBC, HGB, T and T/C are 19.04%, 5.27%, 16.45% and 25.00%, and the rising per cent of CK, BUN and C are 105.50%, 21.98% and 22.73% in men’s athletes. The descending per cent of WBC, HGB, T and T/C are 17.01%, 5.84%, 27.35% and 33.22%, and the rising per cent of CK, BUN and C are 84.05%, 25.76% and 24.79% in woman’s athletes.
(2) Using the method of time series, the paper has demonstrated analyses to the time series data of Lin’s body function. The model of BFM for badminton athletes’training has been established.
By compared the models of AR(1), ARMA(1,1) and ARMA(1,2), and based on adjusted R-squared, akaike info criterion and schwarz criterion, the model of HGB time series is selected ARMA(1,1): Xt=151.2178+0.5276Xt-1 +εt + 0.1928εt-1.
(3) By analyzed and designed of database and model, the decision support system of BFM for elite badminton athletes’training is constructed.
①Basing on the understandability of DSS’s character, mode, constitution and structure and following the requirement analysis of BFM, the DSS of BFM for badminton athletes is constructed by designing of database, model and knowledge base.
②Applied database technique, the paper has analyzed and constructed the DBMS for body function monitoring of badminton athletes’training. By used the system, the testing data can be effectively managed, evaluated and analyzed, and assistant decision-making can be provided for the BFM of badminton athletes’training.
③Applied system dynamics model, the paper has constructed system dynamics model of BFM for badminton athletes’training by the causal relationships of stock variables(BFL、TLQ、BRQ),flow variables(BFLI、BFLD、TLQI、BRQI) and convertor variables(TT、TI、RT、RM), and has simulated the changes of body function for badminton athletes’training by different projects of adjustment parameter.
本研究以国家羽毛球队运动员48人为研究对象,采样测试2006年2月9日至2008年8月4日运动训练期间的一些机能指标,共计测试运动员6000余人次。探讨了优秀羽毛球运动员机能监控评价方法和指标数值变化范围,及对我国优秀羽毛球运动员运动训练机能监控进行个性化分析研究。同时,运用时间序列分析方法,对羽毛球运动员运动训练的机能变化进行监控及预测;应用数据库技术和系统动力学模型,研究并构建了优秀羽毛球运动员运动训练机能监控决策支持系统。
论文采用的研究方法包括:文献资料法、访问调查法、数理统计法、个案分析法、系统分析法和软件工程法。论文研究主要成果如下:
(1)对我国优秀羽毛球男子、女子运动员运动训练监控期间身体机能变化进行了分析,得出了我国优秀羽毛球运动员运动训练机能监控某些生化指标数值变化的警戒低限和高限及等级评价。
①通过对林×和谢×运动训练机能变化进行个性化监控分析,得出林×机能指标WBC、HGB、T、T/C监控低限分别为5.67х109、142g/L、721ng/dl、0.052,CK、BUN、C监控高限分别为706IU/L、8.79mmol/L、19.55ug/dl,相对个人的基础值,WBC、HGB、T、T/C下降百分比分别为17.83%、6.58%、15.38%、23.53%,CK、BUN、C升高的百分比分别是:112.01%、19.59%、28.20%;谢×机能指标WBC、HGB、T、T/C监控低限分别为4.40х109、116.7g/L、31.51ng/dl、0.0022,CK、BUN、C监控高限分别为230.1IU/L、5.96mmol/L、18.88ug/dl,相对个人的基础值,WBC、HGB、T、T/C下降百分比分别为16.98%、6.27%、30.62%、40.54%,CK、BUN、C升高的百分比分别是:83.35%、27.35%、20.41%。
②通过对羽毛球男子和女子运动员训练机能变化监控分析,得出了我国优秀羽毛球男子、女子运动员机能指标变化监控的低限和高限。相对个人的基础值,男子羽毛球运动员WBC、HGB、T、T/C下降百分比分别为19.04%、5.27%、16.45%、25.00%,CK、BUN、C升高的百分比分别是:105.50%、21.98%、22.73%;女子羽毛球运动员WBC、HGB、T、T/C下降百分比分别为17.01%、5.84%、27.35%、33.22%,CK、BUN、C升高的百分比分别是:84.05%、25.76%、24.79%。
(2)运用时间序列分析方法,对我国羽毛球运动员运动训练机能变化进行监控和预测。通过对林×运动训练机能指标数据时间序列进行实证分析,建立了能够比较精确地反映运动训练机能监测数据时间序列中所包含动态依存关系的数学模型。
通过比较AR(1),ARMA(1,1),ARMA(1,2)三个模型,根据决定系数、AIC准则、SC准则,并综合考虑,HGB时间序列模型选定ARMA(1,1)。即:Xt=151.2178+0.5276Xt-1 +εt + 0.1928εt-1
(3)通过对数据库、模型库的分析与设计,构建了羽毛球运动员运动训练机能监控决策支持系统。
①在掌握决策支持系统的基本特征、模式、组成和结构的基础上,结合羽毛球运动训练机能监控的需求,从系统数据库设计、模型设计和知识库设计考虑,分析了羽毛球运动员运动训练机能监控决策支持系统。
②运用数据库等技术,设计和实现了羽毛球运动训练机能监控数据库管理系统。通过对该系统的使用,可以有效地组织管理运动训练机能测试数据并进行机能评价分析,为羽毛球运动训练机能监控提供辅助决策。
③运用系统动力学模型,通过羽毛球运动训练机能监控系统的流位变量(BFL、TLQ、BRQ),流率变量(BFLI、BFLD、TLQI、BRQI),辅助变量(TT、TI、RT、RM),外生变量(RYN),以及各变量要素之间的因果关系,构建了羽毛球运动训练机能监控系统动力学模型,并分别以不同调控参量方案对羽毛球运动员训练监控机能变化进行仿真。
Checking-up and assessing athletes’training state by BFM (body function monitoring,BFM), it is an important measure of diagnosing competitive capability, and it is also a key part of scientific training nowadays. It is a regular way of BFM by testing physiologic and biochemical indexes, which has been abroad used in sports team. But, current way in BFM has been short of scientific estimate and reference, and training data is processed poor efficiency and information is feed back slowly, which affects training purpose and exactly diagnosing physical performance.
The study objects are athletes of Chinese Badminton team (n=48). Body function indexes are tested in time from Feb 9,2006 to Aug 4,2008. The paper has discussed the evaluating means and bound of elite athletes’BFM. By the analysis of time series, body function of badminton athletes’Training is monitored and forecasted. By the model of system dynamics and database technology and so on, the decision support system of BFM for elite badminton athletes’training is studied and constructed.
The methods of study are included: document summary, interview survey, mathematics statistics, case analysis, systems analysis and software engineering.
The research findings are as follows:
(1) The data during BFM for Chinese elite badminton athletes’Training has been analyzed, and the paper has established the measuring scale of grade evaluation for men’s and woman’s badminton athletes by deviation method and method of percentiles.
①The paper has analyzed the changes of body function for Lin and Xie during training. It discovers that Lin’s low limits of WBC, HGB, T and T/C are 5.67×109, 142g/L, 721ng/dl and 0.052, and Lin’s high limits of CK, BUN and C are 706IU/L, 8.79mmol/L and 19.55ug/dl. Comparing with individual basic value, the descending per cent of WBC, HGB, T and T/C are 17.83%、6.58%、15.38% and 23.53%, and the rising per cent of CK, BUN and C are 112.01%、19.59% and 28.20%. It discovers that Xie’s low limits of WBC, HGB, T and T/C are 4.40×109, 116.7g/L, 31.51ng/dl and 0.0022, and Xie’s high limits of CK, BUN and C are 230.1IU/L, 5.96mmol/L and 18.88ug/dl. Comparing with individual basic value, the descending per cent of WBC, HGB, T and T/C are 16.98%、6.27%、30.62% and 40.54%, and the rising per cent of CK, BUN and C are 83.35%、27.35% and 20.41%.
②The paper has analyzed the changes of body function for men’s and woman’s badminton athletes during training. The low limits and high limits of BFM for Chinese elite men’s and woman’s badminton athletes have been discovered. Comparing with individual basic value, the descending per cent of WBC, HGB, T and T/C are 19.04%, 5.27%, 16.45% and 25.00%, and the rising per cent of CK, BUN and C are 105.50%, 21.98% and 22.73% in men’s athletes. The descending per cent of WBC, HGB, T and T/C are 17.01%, 5.84%, 27.35% and 33.22%, and the rising per cent of CK, BUN and C are 84.05%, 25.76% and 24.79% in woman’s athletes.
(2) Using the method of time series, the paper has demonstrated analyses to the time series data of Lin’s body function. The model of BFM for badminton athletes’training has been established.
By compared the models of AR(1), ARMA(1,1) and ARMA(1,2), and based on adjusted R-squared, akaike info criterion and schwarz criterion, the model of HGB time series is selected ARMA(1,1): Xt=151.2178+0.5276Xt-1 +εt + 0.1928εt-1.
(3) By analyzed and designed of database and model, the decision support system of BFM for elite badminton athletes’training is constructed.
①Basing on the understandability of DSS’s character, mode, constitution and structure and following the requirement analysis of BFM, the DSS of BFM for badminton athletes is constructed by designing of database, model and knowledge base.
②Applied database technique, the paper has analyzed and constructed the DBMS for body function monitoring of badminton athletes’training. By used the system, the testing data can be effectively managed, evaluated and analyzed, and assistant decision-making can be provided for the BFM of badminton athletes’training.
③Applied system dynamics model, the paper has constructed system dynamics model of BFM for badminton athletes’training by the causal relationships of stock variables(BFL、TLQ、BRQ),flow variables(BFLI、BFLD、TLQI、BRQI) and convertor variables(TT、TI、RT、RM), and has simulated the changes of body function for badminton athletes’training by different projects of adjustment parameter.
引文
[1]王清.我国优秀运动员竞技能力状态诊断和监测系统的研究与建立[M].北京:人民体育出版社, 2004.1-2.
[2]田麦久.运动训练学[M].北京:人民体育出版社,2000.11-12.
[3]田野,王清,冯连世,等.优秀运动员运动训练科学监控与竞技状态调整[J].体育科学, 2008,28(9):4-11.
[4]郭蓓.射箭备战重大比赛训练的监控[J].体育科研,2007,28(3):56-63.
[5]冯连世,冯美云,冯炜权.优秀运动员身体机能评定方法[M].北京:人民体育出版社,2003.490-506,19-22.
[6]冯连世,冯美云,冯炜权.运动训练的生理生化监控方法[M].北京:人民体育出版社,2006.28-68.
[7]洪平,冯连世,尤玲华等.优秀游泳运动员训练监控研究初探[J].中国体育科技,2003,39(7):41-44.
[8]何子红,陈观云,陶大浪等.优秀摔跤运动员训练疲劳与恢复的生理生化监控[J].体育科学,2005,25(11):43-46.
[9]唐辉.优秀羽毛球运动员训练的生理、生化指标评价[J].北京体育大学学报,2005,28(8):1093-1094.
[10]赵杰修,田野,冯连世等.游泳运动训练的生理、生化监控方法研究[J].体育科学,2006,26(1):43-48.
[11]张漓,徐建方,路瑛丽等.优秀跳水运动员部分机能监控生化指标个体化特点分析[J].中国运动医学杂志,2007,26(5):585-587.
[12]杜忠林,刘莉芬,熊雄等.血尿素周量监督法的应用研究[J].湖北体育科技,1992,42(1):55-61.
[13]赵杰修,田野,冯连世等.游泳运动训练的生理、生化监控方法研究[J].体育科学,2006,26(1):43-48.
[14]王众托.企业信息化与管理变革[M].北京:中国人民大学出版社,2001.20-45.
[15]席酉民,冯耕中,汪应洛. DSS述评:历史、现状与未来[J].系统工程,1991,9(3):26-35.
[16] Power D J, Kaparthi S. Building Web-based Decision Support Systems [J]. Studies in Informatics and Control, 2002, 11(4):291-301.
[17] Mirchandani D,Pakath R. Four models for a decision support system[J]. Information and Management, 1999, 35(1):31-42.
[18] Carlsson C,Turban E. Decision support systems: directions for the next decade [J]. Decision Support Systems, 2002, 33(2):163-176.
[19]胡于进,凌玲.决策支持系统的开发与应用[M].北京:机械工业出版社,2006.2-14.
[20] Pawlak Z. AI and industrial application: the rough set perspective [J]. Cybernetics and Systems, 2000, 31(1):227-252.
[21]骆玉峰,孙庆祝,韩冬等.体育评价决策支持系统SEDSS的研制与开发[J].体育科学,1998,18(6):25-28.
[22]孙庆祝,闻兰,黄汝丛等.赛艇运动员竞技能力诊断评价和控制训练决策支持系统的研制与开发[J].山东体育学院学报,2000,16(2):31-35.
[23]周勇.学生体质分析与评价网上群体决策支持系统[J].体育学刊,2003,10(1):138-140.
[24]邵桂华,孙庆祝.基于Internet的全民健身信息分析与决策支持系统IH IA- DSS的研究[J].北京体育大学学报,2004,27(1):25-27.
[25]李之俊,高炳红,李飞等.优秀赛艇运动员疲劳诊断与体能恢复指导专家系统的研制[J].体育科学, 2005, 25(8): 28-32.
[26]周丽丽,伊木清,王启荣等.“中长跑运动员机能评定及恢复指导系统”计算机软件的研制[J].中国运动医学杂志, 2006, 25(4):439-442.
[27]卢潇.软件工程[M].北京:清华大学出版社,2005.300-331.
[28]赵杰,李涛,余江等.数据库原理与应用[M].北京:人民邮电出版社,2006.16-19.
[29]茅洁,吴国平.数据仓库在竞技体育领域中的应用[J].武汉体育学院学报,2003,37(3):175-176.
[30]李天庆,张毅,张冰等.基于XLM的体育数据规格化存储技术研究[J].计算机工程与应用,2001,20(22):93-94.
[31]郭腾冲,魏明珠,孙晓平等.基于数据仓库和多媒体信息库的体育竞训辅助系统[J].计算机工程与应用,2003,22(6):206-208.
[32]李慧玲,林子.数据仓库和数据挖掘在高校体育数据分析中的应用[J].广州体育学院学报,2005,25(5):126-128.
[33]杨双燕,赵水宁.体育数据分析中数据挖掘技术的应用[J].浙江体育科技,2003,25(4):49-51.
[34]熊媛,张毅,陈小平等.跳水训练数据库管理与分析系统设计与应用[J].体育科学,2004,24(10):41-42.
[35]边卫,黄黎.专业运动队信息管理系统的设计与实现[J].体育科学,2004,24(3):20-23.
[36]曲绵域,于长隆.实用运动医学[M].北京大学医学出版社,2003.372.
[37]冯春.中长跑运动员运动性HGB下降和运动性贫血的诊断及其营养恢复的探讨[J].田径,2004,(11):56-57。
[38]王振龙,胡永宏.应用时间序列分析[M].北京:科学出版社,2007.2-112.
[39]藩红宇.时间序列分析[M].北京:对外经济贸易大学出版社,2005.62-123.
[40]范金城,梅长林.数据分析[M].北京:科学出版社,2002.1-33.
[41]高洪深.决策支持系统理论·方法·案例[M].北京:清华大学出版社, 2005.22-58.
[42]杨善林.智能决策方法与智能决策支持系统[M].北京:科学出版社, 2005.89-130.
[43]苗东升.系统科学精要[M].北京:中国人民大学出版社, 2006.298-312.
[44]孙亚男,宁士勇,鲁明羽等.中医诊疗决策支持系统中的OLAP与DM融合[J].计算机工程,2006,32(9): 251-252.
[45]李富荣.第26届奥运会比赛特点与今后训练的几点意见[C].全国运动训练高级讲习班讲义汇编.1999.
[46]吴卫兵,虞丽娟.运动训练机能监控决策支持系统的构建[J].上海体育学院学报,2007,31(5):55-59.
[47] WB Wu,LJ Yu,H Zhang,et al. Study on DSS for body Function Monitoring of Badminton Training[C].Computer Science in Sports, 2008, Volume I: 243-248.
[48]李志刚.决策支持系统原理与应用[M].北京:高等教育出版社, 2005.114-116.
[49]谷震离. ADO访问SQL Server数据库技术分析及其应用[J].计算机应用与软件,2004,21(12):32-33.
[50]王娜,宿红毅,白琳.数据库性能监控分析系统的设计与实现[J].计算机工程,2005,31(24):105-107.
[51]陶在朴.系统动态学[M].北京:中国税务出版社, 2005.85-102.
[52]何世有.区域社会经济系统发展动态仿真与政策调控[M].合肥:中国科学技术大学出版社,2008.4-18.
[53] Susan Howick. Using system dynamics models with litigation audiences[J].European Journal of Operational Research. 2005,162(5):239–250.
[54]汤发树,陈曦,罗格平.新疆三工河绿洲土地利用变化系统动力学仿真[J].中国沙漠, 2007,27(4):593-598.
[55]王宇奇,胡运权,赵达薇.基于系统动力学的中国石油工业持续发展能力分析[J].工业技术经济, 2006,25(8):66-69.
[56]王鲁江,焦峪平.排球运动员竞技能力非衡结构的补偿途径[J].体育学刊, 2008,15(8):89-91.
[57]李宗浩.集体同场对抗类奥林匹克运动项目群特征、核心竞技能力及其制胜对策研究[J].北京体育大学学报, 2008,31(2):148-150.
[58]陶志翔.持拍隔网对抗项群理论与应用成果研究[J].北京体育大学学报, 2007, 30(2):252- 254.
[59] Tim T, Scott G. System Modeling of the Relationship between Training and Performance [J]. J Sports Med, 2003, 33(14):1061-1073.
[60] Busso T, Denis C, Bonnefoy R,et al. Modeling of the Adaptations to Physical Training by Using a Recursive Least Suares Algorithm [J]. J Appl Physiol, 1997, 82(5):1685-1693.
[61] Millet G P, Groslambert A, Barbier B. Modelling the Relationships between Training, Anxiety, and Fatigue in Elite Athletes [J]. Int J Sports Med, 2005, 26(6):485-492.
[62] Millet G P, Candau R B, Barbier B, et al. Modelling the Transfers of Training Effect on Performance in Elite Triathletes [J]. Int J Sports Med, 2002, 23(1):55-63.
[63] Michael G. Biochemical and Immunological Markers of Overtraining [J]. J Sports Sci and Med, 2002, 23(2):31-41.
[64] Taisuke K, Ester C, Sue H. Single-Subject Research Designs and Data Analyses for Assessing Elite Athletes’Conditioning [J]. J Sports Med, 2004, 34(15):1035-1050.
[65]蔡林.系统动力学在可持续发展研究中的应用[M].北京:中国环境科学出版社, 2008.43-47.
[66]刘丰,王泽.数据库应用查询的报表设计[J].计算机工程与应用,2005,24(5):188-190.
[67]胡伟卷. VB及数据库技术在电话管理系统中的应用[J].计算机应用,2005,25(12):488-489.
[68]王开松.基于SQL数据库的矿山安全生产信息系统的开发[J].煤炭科学技术,2007,35(1):6-58.
[69]白康生. Visual Basic程序设计[M].北京:清华大学出版社,2006.235-261.
[70]滕利辉.决策支持系统的数据库开发[D].北京:华北电力大学, 2007.
[71]刘晓宇,刘玉红,娄凯.烟台市无偿献血者资料数据库的设计[J].第四军医大学学报,2006,27(3):288.
[72]熊媛,张毅,陈小平等.跳水训练数据库管理与分析系统设计与应用[J].体育科学,2004,24(10):41-42.
[73]吴卫兵,虞丽娟,陈佩杰,刘无逸.隔网对抗项目机能监控管理系统数据库设计[J].北京体育大学学报,2008,31(8):1150-1152.
[2]田麦久.运动训练学[M].北京:人民体育出版社,2000.11-12.
[3]田野,王清,冯连世,等.优秀运动员运动训练科学监控与竞技状态调整[J].体育科学, 2008,28(9):4-11.
[4]郭蓓.射箭备战重大比赛训练的监控[J].体育科研,2007,28(3):56-63.
[5]冯连世,冯美云,冯炜权.优秀运动员身体机能评定方法[M].北京:人民体育出版社,2003.490-506,19-22.
[6]冯连世,冯美云,冯炜权.运动训练的生理生化监控方法[M].北京:人民体育出版社,2006.28-68.
[7]洪平,冯连世,尤玲华等.优秀游泳运动员训练监控研究初探[J].中国体育科技,2003,39(7):41-44.
[8]何子红,陈观云,陶大浪等.优秀摔跤运动员训练疲劳与恢复的生理生化监控[J].体育科学,2005,25(11):43-46.
[9]唐辉.优秀羽毛球运动员训练的生理、生化指标评价[J].北京体育大学学报,2005,28(8):1093-1094.
[10]赵杰修,田野,冯连世等.游泳运动训练的生理、生化监控方法研究[J].体育科学,2006,26(1):43-48.
[11]张漓,徐建方,路瑛丽等.优秀跳水运动员部分机能监控生化指标个体化特点分析[J].中国运动医学杂志,2007,26(5):585-587.
[12]杜忠林,刘莉芬,熊雄等.血尿素周量监督法的应用研究[J].湖北体育科技,1992,42(1):55-61.
[13]赵杰修,田野,冯连世等.游泳运动训练的生理、生化监控方法研究[J].体育科学,2006,26(1):43-48.
[14]王众托.企业信息化与管理变革[M].北京:中国人民大学出版社,2001.20-45.
[15]席酉民,冯耕中,汪应洛. DSS述评:历史、现状与未来[J].系统工程,1991,9(3):26-35.
[16] Power D J, Kaparthi S. Building Web-based Decision Support Systems [J]. Studies in Informatics and Control, 2002, 11(4):291-301.
[17] Mirchandani D,Pakath R. Four models for a decision support system[J]. Information and Management, 1999, 35(1):31-42.
[18] Carlsson C,Turban E. Decision support systems: directions for the next decade [J]. Decision Support Systems, 2002, 33(2):163-176.
[19]胡于进,凌玲.决策支持系统的开发与应用[M].北京:机械工业出版社,2006.2-14.
[20] Pawlak Z. AI and industrial application: the rough set perspective [J]. Cybernetics and Systems, 2000, 31(1):227-252.
[21]骆玉峰,孙庆祝,韩冬等.体育评价决策支持系统SEDSS的研制与开发[J].体育科学,1998,18(6):25-28.
[22]孙庆祝,闻兰,黄汝丛等.赛艇运动员竞技能力诊断评价和控制训练决策支持系统的研制与开发[J].山东体育学院学报,2000,16(2):31-35.
[23]周勇.学生体质分析与评价网上群体决策支持系统[J].体育学刊,2003,10(1):138-140.
[24]邵桂华,孙庆祝.基于Internet的全民健身信息分析与决策支持系统IH IA- DSS的研究[J].北京体育大学学报,2004,27(1):25-27.
[25]李之俊,高炳红,李飞等.优秀赛艇运动员疲劳诊断与体能恢复指导专家系统的研制[J].体育科学, 2005, 25(8): 28-32.
[26]周丽丽,伊木清,王启荣等.“中长跑运动员机能评定及恢复指导系统”计算机软件的研制[J].中国运动医学杂志, 2006, 25(4):439-442.
[27]卢潇.软件工程[M].北京:清华大学出版社,2005.300-331.
[28]赵杰,李涛,余江等.数据库原理与应用[M].北京:人民邮电出版社,2006.16-19.
[29]茅洁,吴国平.数据仓库在竞技体育领域中的应用[J].武汉体育学院学报,2003,37(3):175-176.
[30]李天庆,张毅,张冰等.基于XLM的体育数据规格化存储技术研究[J].计算机工程与应用,2001,20(22):93-94.
[31]郭腾冲,魏明珠,孙晓平等.基于数据仓库和多媒体信息库的体育竞训辅助系统[J].计算机工程与应用,2003,22(6):206-208.
[32]李慧玲,林子.数据仓库和数据挖掘在高校体育数据分析中的应用[J].广州体育学院学报,2005,25(5):126-128.
[33]杨双燕,赵水宁.体育数据分析中数据挖掘技术的应用[J].浙江体育科技,2003,25(4):49-51.
[34]熊媛,张毅,陈小平等.跳水训练数据库管理与分析系统设计与应用[J].体育科学,2004,24(10):41-42.
[35]边卫,黄黎.专业运动队信息管理系统的设计与实现[J].体育科学,2004,24(3):20-23.
[36]曲绵域,于长隆.实用运动医学[M].北京大学医学出版社,2003.372.
[37]冯春.中长跑运动员运动性HGB下降和运动性贫血的诊断及其营养恢复的探讨[J].田径,2004,(11):56-57。
[38]王振龙,胡永宏.应用时间序列分析[M].北京:科学出版社,2007.2-112.
[39]藩红宇.时间序列分析[M].北京:对外经济贸易大学出版社,2005.62-123.
[40]范金城,梅长林.数据分析[M].北京:科学出版社,2002.1-33.
[41]高洪深.决策支持系统理论·方法·案例[M].北京:清华大学出版社, 2005.22-58.
[42]杨善林.智能决策方法与智能决策支持系统[M].北京:科学出版社, 2005.89-130.
[43]苗东升.系统科学精要[M].北京:中国人民大学出版社, 2006.298-312.
[44]孙亚男,宁士勇,鲁明羽等.中医诊疗决策支持系统中的OLAP与DM融合[J].计算机工程,2006,32(9): 251-252.
[45]李富荣.第26届奥运会比赛特点与今后训练的几点意见[C].全国运动训练高级讲习班讲义汇编.1999.
[46]吴卫兵,虞丽娟.运动训练机能监控决策支持系统的构建[J].上海体育学院学报,2007,31(5):55-59.
[47] WB Wu,LJ Yu,H Zhang,et al. Study on DSS for body Function Monitoring of Badminton Training[C].Computer Science in Sports, 2008, Volume I: 243-248.
[48]李志刚.决策支持系统原理与应用[M].北京:高等教育出版社, 2005.114-116.
[49]谷震离. ADO访问SQL Server数据库技术分析及其应用[J].计算机应用与软件,2004,21(12):32-33.
[50]王娜,宿红毅,白琳.数据库性能监控分析系统的设计与实现[J].计算机工程,2005,31(24):105-107.
[51]陶在朴.系统动态学[M].北京:中国税务出版社, 2005.85-102.
[52]何世有.区域社会经济系统发展动态仿真与政策调控[M].合肥:中国科学技术大学出版社,2008.4-18.
[53] Susan Howick. Using system dynamics models with litigation audiences[J].European Journal of Operational Research. 2005,162(5):239–250.
[54]汤发树,陈曦,罗格平.新疆三工河绿洲土地利用变化系统动力学仿真[J].中国沙漠, 2007,27(4):593-598.
[55]王宇奇,胡运权,赵达薇.基于系统动力学的中国石油工业持续发展能力分析[J].工业技术经济, 2006,25(8):66-69.
[56]王鲁江,焦峪平.排球运动员竞技能力非衡结构的补偿途径[J].体育学刊, 2008,15(8):89-91.
[57]李宗浩.集体同场对抗类奥林匹克运动项目群特征、核心竞技能力及其制胜对策研究[J].北京体育大学学报, 2008,31(2):148-150.
[58]陶志翔.持拍隔网对抗项群理论与应用成果研究[J].北京体育大学学报, 2007, 30(2):252- 254.
[59] Tim T, Scott G. System Modeling of the Relationship between Training and Performance [J]. J Sports Med, 2003, 33(14):1061-1073.
[60] Busso T, Denis C, Bonnefoy R,et al. Modeling of the Adaptations to Physical Training by Using a Recursive Least Suares Algorithm [J]. J Appl Physiol, 1997, 82(5):1685-1693.
[61] Millet G P, Groslambert A, Barbier B. Modelling the Relationships between Training, Anxiety, and Fatigue in Elite Athletes [J]. Int J Sports Med, 2005, 26(6):485-492.
[62] Millet G P, Candau R B, Barbier B, et al. Modelling the Transfers of Training Effect on Performance in Elite Triathletes [J]. Int J Sports Med, 2002, 23(1):55-63.
[63] Michael G. Biochemical and Immunological Markers of Overtraining [J]. J Sports Sci and Med, 2002, 23(2):31-41.
[64] Taisuke K, Ester C, Sue H. Single-Subject Research Designs and Data Analyses for Assessing Elite Athletes’Conditioning [J]. J Sports Med, 2004, 34(15):1035-1050.
[65]蔡林.系统动力学在可持续发展研究中的应用[M].北京:中国环境科学出版社, 2008.43-47.
[66]刘丰,王泽.数据库应用查询的报表设计[J].计算机工程与应用,2005,24(5):188-190.
[67]胡伟卷. VB及数据库技术在电话管理系统中的应用[J].计算机应用,2005,25(12):488-489.
[68]王开松.基于SQL数据库的矿山安全生产信息系统的开发[J].煤炭科学技术,2007,35(1):6-58.
[69]白康生. Visual Basic程序设计[M].北京:清华大学出版社,2006.235-261.
[70]滕利辉.决策支持系统的数据库开发[D].北京:华北电力大学, 2007.
[71]刘晓宇,刘玉红,娄凯.烟台市无偿献血者资料数据库的设计[J].第四军医大学学报,2006,27(3):288.
[72]熊媛,张毅,陈小平等.跳水训练数据库管理与分析系统设计与应用[J].体育科学,2004,24(10):41-42.
[73]吴卫兵,虞丽娟,陈佩杰,刘无逸.隔网对抗项目机能监控管理系统数据库设计[J].北京体育大学学报,2008,31(8):1150-1152.