РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ СПОРТИВНОЙ ФЕДЕРАЦИИ С ПРОГРАММНЫМ МОДУЛЕМ ПЛАНИРОВАНИЯ ТРЕНИРОВОЧНОГО ПРОЦЕССА

АННОТАЦИЯ

В данной статье описана разработка и реализация информационной системы региональной спортивной федерации с использованием отдельного программного модуля для прогнозирования и планирования. Описана структура системы, приведены макеты и экранные формы интерфейса. Описан отдельный программный модуль на основе нейронной сети обобщенной регрессии. Проанализированы требования к структуре и архитектура информационной системы, рассмотрены различные средства разработки. Разработана и реализована база данных, произведено проектирование и реализация информационной системы, произведена экспериментальная апробация. Разработан отдельный программный модуль планирования, произведены предварительные эксперименты по прогнозированию спортивных результатов в дисциплинах легкой атлетики. Произведены успешные эксперименты с GRNN сетью. Приведены структурные схемы и графики.

ABSTRACT

This article describes the development and implementation of the information system of the regional sports federation using a separate software module for forecasting and planning. The structure of the system is described, the layouts and screen forms of the interface are given. A separate software module based on a generalized regression neural network is described. The requirements for the structure and architecture of the information system are analyzed, various development tools are considered. A database has been developed and implemented, an information system has been designed and implemented, and experimental testing has been carried out. A separate planning software module has been developed, and preliminary experiments have been carried out to predict sports results in athletics disciplines. Successful experiments with the GRNN network have been carried out. Block diagrams and graphs are provided.

Ключевые слова: информационная система, спортивная федерация, нейронная сеть, обучающая выборка, прогнозирование, планирование.

Keywords: information system, sports federation, neural network, training sample, forecasting, planning.

«Информационные системы в физической культуре и спорте» объединяют в себе две важные сферы - информационные технологии и физическую активность человека. В современном мире данные две области активно взаимодействуют и дополняют друг друга, создавая новые возможности и преимущества для развития спорта и физической культуры [1].

Информационные системы в физической культуре и спорте представляют собой программно-аппаратные комплексы, которые используются для сбора, хранения, обработки, анализа и представления информации о физической активности и спортивных показателях. Они помогают тренерам, спортсменам и другим участникам спортивного процесса получать и использовать информацию для повышения своей эффективности и достижения лучших результатов [2].

Информационные системы в физической культуре и спорте могут включать в себя различные элементы, такие как:

• Базы данных для хранения информации о спортсменах, тренировках, соревнованиях и других событиях.
• Веб-порталы и мобильные приложения для доступа к информации и взаимодействия между тренерами, спортсменами и другими участниками спортивного процесса.
• Системы анализа данных и прогнозирования результатов на основе статистических и математических моделей.
• Системы видеонаблюдения и анализа движений для контроля техники и исправления ошибок.
• Системы электронного табло, видео аналитики и онлайн-трансляций для обеспечения комфорта и удобства зрителей и болельщиков.

Применение информационных систем в физической культуре и спорте имеет ряд преимуществ. Они позволяют рационализировать процессы управления спортивными организациями, повысить эффективность тренировок, а также повысить интерес и уровень вовлеченности зрителей. Однако, реализация информационных систем в физической культуре и спорте также сопряжена с определенными проблемами. Это могут быть сложности в внедрении новых технологий, недостаточная осведомленность и обучение персонала, проблемы с конфиденциальностью и защитой данных, а также неполное использование возможностей систем из-за низкой информационной грамотности пользователей. Тем не менее, развитие информационных систем в физической культуре и спорте продолжается и предоставляет все больше новых возможностей. Повышение эффективности тренировок, оптимизация процессов управления и контроля, повышение интереса к спорту.

В большинстве случаев существующие платформы фокусируются на предоставлении информации о спортивных мероприятиях, правилах и регламентах, расписаниях соревнований, результатов, новостях, а также на продвижении спорта и привлечения новых участников и болельщиков. На данных сайтах можно найти сведения о федерации, пройти обучения и курсы для тренеров и спортсменов. Однако большинство сайтов лишены возможности контролирования результатов спортсменов, что играет важную роль в достижении высоких результатов. Отсутствие функционала, связанного с автоматизацией тренировочного процесса, может создавать определенные трудности для пользователя.

Возможность создавать группы спортсменов, ведение дневника спортсмена на соревнование, контролировать его результат, всё это представляет собой значимую потребность, которая не удовлетворена существующими платформами.  В связи с этим возникает необходимость в создании веб-сайта, которое будет ориентировано на социальные аспекты. Такой сайт должен предоставлять пользователям не только информацию о федерации спорта, но и позволять тренеру контролировать результаты спортсмена и проделанную работу. Такой подход к созданию информационной системы позволит повысить популярность лёгкой в атлетики в регионе и повысить эффективность работы спортсмена.

Проектирование информационной системы спортивной федерации включает в себя несколько этапов. На этапе анализа требований необходимо определить, какие функции должна выполнять информационная система и какие данные она будет обрабатывать. В данном случае, это данные о спортсменах, тренерах, соревнованиях, результатах и т. д.

Этап проектирования архитектуры определяет, как будут взаимодействовать между собой различные компоненты системы, а также какие технологии будут использоваться для её реализации.

Разработка модели данных. Модель данных описывает структуру данных, которые будут храниться в системе. Она может быть представлена в виде диаграммы или таблицы.

Создание прототипа. Прототип — это упрощённая версия системы, которая позволяет проверить работоспособность основных функций и удобство использования. Заключительным этапом является тестирование системы. Тестирование проводится после создания прототипа для выявления ошибок и недочётов в работе системы. Далее следуют внедрение и сопровождение системы, но в данной работе они не рассматриваются.

На каждом из этих этапов необходимо учитывать особенности работы спортивной федерации, её потребности и возможности. Также важно обеспечить безопасность данных и защиту от несанкционированного доступа.

Для проектирования информационной системы можно использовать различные инструменты и технологии, такие как:

ER-диаграммы — для моделирования структуры данных;

UML (Unified Modeling Language) — для проектирования архитектуры системы;

CASE-средства — для автоматизации процесса проектирования;

Языки программирования — для реализации системы.

Функции, которые необходимо реализовать в разрабатываемой информационной системе спортивной федерации:

- Ведение базы данных спортсменов, тренеров, судей и других участников соревнований.

- Регистрация и учёт результатов соревнований.

- Планирование и организация соревнований.

- Планирование и организация тренировочного процесса.

- Расчёт рейтингов и статистики.

- Анализ и отчётность.

В качестве архитектуры информационной системы выбрана трехзвенная клиент-серверная архитектура. Разработана ER-диаграмма базы данных (рисунок 1), база данных реализована с использованием СУБД MySQL.

Рисунок 1. ER-диаграмма базы данных информационной системы региональной спортивной федерации

Для навигации по информационной системе используется алгоритм (рисунок 2).

Рисунок 2. Схема алгоритма навигации в информационной системе

Спроектирована и реализована информационная система региональной спортивной федерации по виду спорта легкая атлетика. Личный кабинет спортсмена позволяет видеть рейтинг и график изменения результатов в течении некоторого временного периода (рисунки 3-4).

Рисунок 3. Рейтинг спорстменов (экранная форма)

Рисунок 4. График изменения результата

В процессе проектирования системы и реализации системы, реализованы все основные разделы, в том числе информационные.

Рисунок 5. Макет десктопной версии приложения для работы с информационной системой региональной спортивной федерации

Начато внедрение отдельного программного модуля планирования спортивного результата, для корректировки тренировочного процесса. Планирование спортивного результата производится на основе результата прогнозирования численного показателя атлета. В качестве основного инструмента прогнозирования используются нейронные сети, в частности обобщенно-регрессионная нейронная сеть.

Обобщенно-регрессионная нейронная сеть (GRNN) [3] (рисунок 6) — это тип нейронной сети, который используется для решения задач регрессии, то есть предсказания числовых значений. GRNN является одним из методов непараметрической регрессии и может быть использован для аппроксимации функций и прогнозирования временных рядов. GRNN работает на основе принципа «ближайшего соседа», где для каждого нового наблюдения находится ближайший сосед в обучающей выборке и его значение используется как предсказание для нового наблюдения. Для определения расстояния между наблюдениями обычно используется евклидово расстояние.

Алгоритм работы обобщённо-регрессионной нейронной сети:

- Обучение сети на основе обучающей выборки данных. На этом этапе вычисляются центры масс для каждого класса и дисперсии вокруг этих центров.

- Предсказание значения для новых наблюдений. Для каждого нового наблюдения определяется ближайший центр массы и предсказывается значение с учётом расстояния до этого центра и соответствующей дисперсии.

Преимущества обобщённо-регрессионных нейронных сетей включают их простоту, быструю сходимость и способность работать с зашумлёнными данными. Однако они могут быть менее точными по сравнению с другими методами регрессии при наличии сложных зависимостей в данных.

Рисунок 6. Структура GRNN-сети

Прогнозирование с использованием GRNN-сети включает в себя ряд этапов. Необходимо собрать данные, которые будут использоваться для обучения и тестирования модели. Данные должны содержать информацию о прошлых значениях прогнозируемой переменной. Данные необходимо очистить, обработать и преобразовать в формат, подходящий для использования в нейронных сетях. Это может включать в себя удаление выбросов, заполнение пропущенных значений и масштабирование данных. На основе подготовленных данных обучить GRNN-сеть. Это включает в себя определение количества слоёв, нейронов в каждом слое, функции активации и других параметров модели. После обучения модели необходимо протестировать её на новых данных, чтобы оценить её точность и надёжность. Когда модель будет готова, её можно использовать для прогнозирования будущих значений на основе новых данных.

Программный модуль с GRNN сетью используется в качестве прогнозирования спортивных результатов на отдельных соревнованиях, в отдельных легкоатлетических дисциплинах [4].

Пример [5] тестового прогнозирования результата в дисциплине прыжок в длину с использованием GRNN сети приведена на графике (рисунок 7). В результате последних экспериментов прогнозирования результатов данной спортивной дисциплины минимальная среднеквадратичная ошибка обучения не превышала 0,312.

Рисунок 7. Совмещенный график прогнозирования

Нейронная сеть обобщенной регрессии успешно зарекомендовала себя при прогнозировании результатов в этом индивидуальном виде спорта, используя небольшую обучающую выборку.

Нейронная сеть обобщенной регрессии способна прогнозировать результаты в дисциплинах легкоатлетического метания, результаты в прыжковых дисциплинах [5]. Эту нейронную сеть следует использовать для прогнозирования спортивных результатов в отдельном виде спорта – легкой атлетике.

Нейронная сеть обобщенной регрессии может быть использована для прогнозирования спортивных результатов в отдельных видах спорта в группе дисциплин, характеризующихся активной двигательной активностью спортсменов с максимальным проявлением физических и психических качеств.

В текущее время производится тестирование информационной системы. Рассматривается возможность улучшения и увеличения масштабов системы.

Список литературы:

1. Воронов, И.А. Информационные технологии в физической культуре и спорте: Электронный учебник / И.А. Воронов; СПб ГУФК им. П.Ф. Лесгафта. -СПб.: изд-во СПб ГУФК им. П.Ф. Лесгафта, 2005 - 80с.
2. Кривецкий, И. Ю. Возможности применения технологии нейро-нечетких сетей в некоторых видах спорта Информатика и системы управления / И. Ю. Кривецкий, Г.И. Попов// 2013. С. 19-21.
3. Обобщенно-регрессионная нейронная сеть URL: https://intuit.ru/studies/courses/3735/977/lecture/14689 (дата обращения 09.10.2024).
4. Мельцов В.Ю., Подковырин В.Д., Клюкин В.Л., Крутиков А.К., Использование каскадной нейронной сети прямой передачи для прогнозирования спортивных достижений в толкании ядра – Казань: Научно-технический вестник Поволжья №4, 2018. с.136-139.
5. Крутиков, А. К. Прогнозирование спортивных результатов в индивидуальных видах спорта с помощью обобщенно-регрессионной нейронной сети / А. К. Крутиков. — Текст : непосредственный // Молодой ученый. — 2018. — № 12 (198). — С. 22-26.