一种龙舟训练结果模型建立系统及模型评分方法与流程

本技术涉及龙舟训练监控的，尤其是涉及一种龙舟训练结果模型建立系统及模型评分方法。

背景技术：

1、龙舟在我国是一个较为传统的体育项目，龙舟的比赛从地区、学校扩大至当前的国际级、国家级、省级等大型比赛，也有越来越多的学校、地区都组建了专业的龙舟队。

2、而针对于水平越来越高的龙舟赛事，对于龙舟训练的环节也偏向专业化、全面化。龙舟训练分为陆地训练和水上训练，当前的相关技术中，对于陆地训练存在一套较为专业化、科学化的监测手段，通过专业的训练设备能有效的对选手的技术特点、技术优劣、身体状况等进行检测，但是对于水上训练而言，首先因为水上环境较为复杂，影响因素较多，很难通过人力或相关的仪器对训练过程进行科学化监控，存在较大的局限性，其次这也导致当前对于龙舟训练中的训练结果无法得到准确科学的判定，无法根据训练结果对专业队员进行评分、选拔和提升。

技术实现思路

1、本技术的目的是提高龙舟水上训练时对训练结果的监测效果和评分效果。

2、第一方面，本技术提供的一种龙舟训练结果模型建立系统，采用如下的技术方案：

3、一种龙舟训练结果模型建立系统，包括：

4、环境监控模块，用于对龙舟的外部环境因素进行监控以得到第一监控数据，所述外部环境因素包括水上环境、水下环境、风力；

5、人员监控模块，用于对龙舟上的人员状态进行监控以得到第二监控数据，所述人员状态包括挥桨动作、挥桨频率、身体指标、击鼓频率；

6、龙舟监控模块，用于对龙舟状态进行监控以得到第三监控数据，所述龙舟状态包括龙舟移速、龙舟朝向角度、龙舟偏移量、龙舟加速度；

7、数据处理模块，分别电连接于所述环境监控模块、人员监控模块和龙舟监控模块以获取相应的第一监控数值、第二监控数值和第三监控数值，并对所述第一监控数值、第二监控数值和第三监控数值进行数据分类及关联以获得训练结果集合，所述训练结果集合包含若干训练结果，且具体包括独立训练集合和关联训练集合；

8、建模模块，用于获取所述数据处理模块生成的所述训练结果集合，并基于所述训练结果集合生成相应的训练结果模型，所述训练结果模型包括特定人员训练结果模型及龙舟整体训练结果模型。

9、在另一些实施例中，所述数据处理模块还包括：

10、获取各个所述外部环境因素、人员状态及龙舟状态的关联项并进行映射，并获取存在同一关联项的多个监控数据并进行数据关联以得到关联数据项；

11、获取不存在同一关联项的监控数据以得到独立数据项；

12、根据若干所述关联数据项获取关联训练集合，根据若干独立数据项获取独立训练集合。

13、在另一些实施例中，所述关联数据项还包括正向关联和/或负向关联，其中，所述正向关联表征为存在同一关联项的多个所述监控数据中若一个或多个数据出现变化时对其他所述监控数据生成正面变化效果，所述负面关联表征为存在同一关联项的多个所述监控数据中若一个或多个数据出现变化时对其他所述监控数据生成负面变化效果。

14、在另一些实施例中，还包括模型分发模块，连接于所述建模模块以获取若干所述训练结果模型，所述模型分发模块用于获取若干所述训练结果模型对应的目标信息，所述目标信息包括人员姓名、人员位号、龙舟编号，并根据所述目标信息将所述特定人员训练结果模型发送至相应的人员移动端，将所有所述特定人员训练结果模型和龙舟整体训练结果模型发送至负责人端。

15、第二方面，本技术提供的一种模型评分方法，采用如下的技术方案：

16、一种模型评分方法，用于对上述的龙舟训练结果模型建立系统所生成的训练结果模型进行评分，包括：

17、获取所述训练结果模型中的若干训练结果，并根据预设的分类方法对若干所述训练结果进行分类标签设定，以得到总类、分类和子类，其中，所述总类包含若干分类，所述分类包含若干子类，所述总类表征为所述训练结果模型中所有所述训练结果的总和，所述分类表征为若干关联的所述训练结果对应的集合，所述分类表征为单个所述训练结果；

18、为所述总类设定一预设理想总分；

19、获取若干所述分类在所述总类中对应的第一权重，并基于所述第一权重和所述预设理想总分计算出每个所述分类对应的分类分值，所述分类分值表征为若干所述分类可以被分配的最高分值；

20、获取各个所述分类对应的若干所述子类在其所述分类中对应的第二权重，并基于所述第二权重和其对应的所述分类的所述分类分值计算出每个所述子类对应的子类分值，所述子类分值表征为若干所述子类可以被分配的最高分值；

21、基于所述子类对应的训练结果与标准结果之间的比较结果结合该所述子类对应的评分规则对所述子类分值进行计算，以获取若干所述子类对应的训练结果的实际评分。

22、在另一些实施例中，所述评分规则包括所述训练结果的取值越小、评分越高，基于所述子类对应的训练结果与标准结果之间的比较结果对所述子类分值进行计算，还包括以下步骤：

23、基于所述标准结果获取预设的理想最小值和极限最大值；

24、判断所述训练结果与所述理想最小值和所述极限最大值之间的大小；

25、若所述训练结果小于等于所述理想最小值，则该子类对应的所述实际评分等于该所述子类对应的子类分值；

26、若所述训练结果大于等于所述极限最大值，则该子类对应的所述实际评分为零；

27、若所述训练结果大于所述理想最小值且小于所述极限最大值，则该子类对应的所述实际评分等于第一比例项乘以所述子类分值所得到的分值，其中，所述第一比例项表征为由所述理想最小值、极限最大值和所述训练结果得到的比例数值，其小于1。

28、在另一些实施例中，所述评分规则包括所述训练结果的取值越大、评分越高，基于所述子类对应的训练结果与标准结果之间的比较结果对所述子类分值进行计算，还包括以下步骤：

29、基于所述标准结果获取预设的理想最大值和极限最小值；

30、判断所述训练结果与所述理想最大值和所述极限最小值之间的大小；

31、若所述训练结果大于等于所述理想最大值，则该子类对应的所述实际评分等于该所述子类对应的子类分值；

32、若所述训练结果小于等于所述极限最小值，则则该子类对应的所述实际评分为零；

33、若所述训练结果大于所述极限最小值且小于所述理想最大值，则该子类对应的所述实际评分等于第二比例项乘以所述子类分值所得到的分值，其中，所述第二比例项表征为由所述理想最大值、极限最小值和所述训练结果得到的比例数值，其小于1。

34、在另一些实施例中，所述评分规则包括所述训练结果的取值越接近中值、评分越高，基于所述子类对应的训练结果与标准结果之间的比较结果对所述子类分值进行计算，还包括以下步骤；

35、基于所述标准结果获取预设的极限最大值、极限最小值和理想中值，其中，所述理想中值位于所述极限最大值和所述极限最小值之间；

36、判断所述训练结果与所述极限最大值、极限最小值和理想中值之间的大小；

37、若所述训练结果大于所述极限最小值且小于等于所述理想中值，则该子类对应的所述实际评分等于第三比例项乘以所述子类分值所得到的分值，其中，所述第一比例项表征为由所述极限最小值、理想中值和所述训练结果得到的比例数值，其小于等于1，其中，若所述训练结果等于所述理想中值，则所述第三比例项等于1；

38、若所述训练结果小于所述极限最大值且大于等于所述理想中值，则该子类对应的所述实际评分等于第四比例项乘以所述子类分值所得到的分值，其中，所述第四比例项表征为由所述极限最大值、理想中值和所述训练结果得到的比例数值，其小于等于1，其中，若所述训练结果等于所述理想中值，则所述第四比例项等于1；

39、若所述训练结果大于等于所述极限最大值或小于等于所述极限最小值，则该所述子类对应的所述实际评分为零。

40、在另一些实施例中，所述评分规则包括根据所述训练结果的正确性确定所述评分，基于所述子类对应的训练结果与标准结果之间的比较结果对所述子类分值进行计算，还包括以下步骤；

41、判断所述训练结果是否正确；

42、若正确，则该所述子类对应的所述实际评分等于该所述子类对应的子类分值；

43、若不正确，则该子类对应的所述实际评分为零。

44、在另一些实施例中，获取若干所述子类对应的训练结果的实际评分，还包括以下步骤：

45、获取所有所述子类对应的实际评分，并计算出若干分类及所述总类对应的实际分数；

46、将所述总类对应的实际分数作为其对应的所述训练结果模型中所述龙舟整体训练结果模型对应的最终评分；

47、获取若干所述分类中对应于人员的人员特定分类，并根据若干所述人员特定分类的实际评分之和确定所述特定人员训练结果模型对应的最终评分。

48、综上所述，本技术包括以下至少一种有益技术效果：

49、1.借助各类传感器对龙舟水上训练时的外部因素(环境)、内部因素(人员状态)以及龙舟的整体状态进行实时检测，并基于数据的处理分析得到相应的训练结果，并基于训练结果生成对应于人员本身和龙舟整体的训练结果模型，可以科学的、清晰的对每次水上训练进行监控、分析，判定出每次水上训练的结果和效果；

50、2.首先将若干训练结果结合相应的关联关系、类型进行分类，以获得上中下三位的集合关系，并结合预设的总分和各个分类、子类在其上级集合中的重要程度获取相应的权重，结合权重和预设的总分来获取每个分类、子类对应的理论最高分值，最后结合训练结果和标准结果之间的比较结果生成最终的实际分数，使得对训练结果模型的评分规则更加科学化和全面化。同时上述的评分方法使得对训练结果的成绩更加直观、简单。