加速度计监测高强度复杂运动能量消耗的模型构建与准确性评估

发布时间：2020-03-21 05:55

【摘要】：目的:目前我国有关能量消耗的研究大部分围绕简单的中、低强度的周期性体力活动展开,鲜少涉及到高强度复杂的体力活动,且有关于神经网络模型对体力活动能量消耗的预测应用较少,本研究通过对不同佩戴部位的加速度计原始数据的处理,建立不同佩戴部位的线性回归模型和神经网络模型,并对相同、不同佩戴部位的两个模型进行横向的比较,以寻找出最优化的预测模型,从而丰富加速度计的测量领域,让其更好地为运动实践服务。方法:本次研究采用测量法,受试者在4个部位(优势和非优势手腕外侧、髋部右侧和右脚踝外侧)佩戴4个Actigraph GT3X加速度计(简称GT3X),在胸前佩戴1个Cosmed K4b~2气体代谢能耗分析仪(简称K4b~2),通过大屏幕播放的已剪辑好的高强度健身操视频,除去热机准备和热身时间,受试者进行时长为9分钟的高强度复杂运动(本研究选择健身操作为典型代表)。使用SPSS 22.0建立一般线性回归模型,通过SPSS Modeler18.0建立神经网络模型,并使用Bland-Altman方法和比较RMSE等指标对两个预测模型进行预测准确性检验。结果:(1)运动过程中身体形态学指标与能量消耗EE的相关性分析中,体重指标与EE的相关性最高,建模组r=0.505(p0.01),验证组r=0.41(p0.01);4个佩戴部位的加速度计VM值和HR与K4b~2能量消耗的EE、METs的相关性分析中,4个部位的VM值与EE、METs的相关性都很显著(p0.01),其中优势手腕的相关性最为显著,HR与EE、METs的相关性最强,与EE的相关性为0.486(p0.01),与METs的相关性为0.502(p0.01)。(2)本研究构建的四个部位线性回归预测方程如下:非优势手腕EE=0.000014VM+0.135体重+0.004HR-1.071脚踝EE=0.000025VM+0.135体重+0.004HR-1.157腰部EE=0.000029VM+0.135体重+0.003HR-0.674优势手腕EE=0.000024VM+0.133体重+0.004HR+0.187非优势手腕调整后R~2=0.519,脚踝调整后R~2=0.521,腰部调整后R~2=0.518,优势手腕调整后R~2=0.522。(3)本研究构建出的四个部位的三层神经网络预测模型初始学习率为0.05,动量常量设为0.5,误差率设为0.001,模型如下:非优势手腕13-9-1三层神经网络模型(R~2=0.808)脚踝13-9-1三层神经网络模型(R~2=0.796)腰部13-13-1三层神经网络模型(R~2=0.771)优势手腕13-8-1三层神经网络模型(R~2=0.795)(4)线性回归模型和神经网络模型实测值与预算值的一致性检验中,在B-A图中,不同模型不同部位的各散点都基本落在±1.96SD之间,非优势手腕、脚踝、腰部和优势手腕这4个部位的神经网络模型和线性回归模型均有良好的预测能力。(5)通过计算不同部位预测值的RMSE、MAPE和BIAS指数并进行横向比较,神经网络模型非优势手腕、优势手腕、脚踝和腰部这4个部位的RMSE和MAPE均低于线性回归模型,神经网络RMSE指数分别为:0.98、2.85、1.05和1.16,线性回归模型的RMSE指数分别为:1.65、4.7、1.64、1.7,神经网络模型的优势手腕和腰部的BIAS指数也明显低于线性回归模型,从整体误差上来看,神经网络模型的误差更小。结论:(1)本研究构建的四个部位的线性回归能量消耗方程具有较高拟合度,在预测运动能量消耗方面具有较高的准确度,可应用于大多高强度复杂运动能量消耗的监测。(2)本研究构建的四个部位的三层神经模型具有很高的拟合度,准确性优于一般线性回归模型,能够准确预测高强度复杂运动的能量消耗,经验证其在预测运动能量消耗方面具有很高的准确性,为最优化的预测模型。
【图文】：

仪器,部位,手腕,加速度计

3.2.2 测量法3.2.2.1 测试方案选取若干名受试者进行预测试，目的在于完善实验方案和步骤。正式测四川师范大学体育学院实验中心进行，，所有测试在 1 个月内完成，均在白天进实验前利用体脂成份测试仪和身高体重测试仪对受试者进行身高、体重脂率等基本信息的采集。测试前受试者在视频指导下进行 20 分钟的提前学习，健身操视频中包础动作的教学，这也为受试者提供了一个提前学习和预测不同动作的机会，续的实验中也能够消除受试者不适应运动节奏的影响。热身休息至少 15 分钟，心率到达平稳状态后，实验员对受试者进行便气体分析仪 K4b2和加速度计 GT3X 的佩戴，分别在受试者优势手腕外侧和势手腕外侧、髋部右侧（髂前右上脊）和脚踝外侧佩戴 GT3X 加速度计，具戴位置如图 3.1。

示意图,测试环境,区域,示意图

23图 3.2 测试环境区域示意图和实况图3.2.2.3 测试活动本次测试所采用的高强度复杂运动为健身操，它融合了体育、舞蹈、健美操、韵律体操等多种运动形式，包含了上下肢、躯干、头颈、足踩和髋部动作，身体各部位在运动过程中能够得到充分的施展，同时，又不同于有身体对抗的其他运动种类如篮球、武术等，因此，在测试过程中不会因为有“对手”的干扰而造成数据的不稳定。本次测试所选取的健身操视频来源于 keep 软件中已有的“高强度燃脂健身操”，时长共计 9min，在预测试期间已通过受试者心率和的 MET 的监测来确定其达到高强度，视频中包含的主要动作有：原地开合跳、快速高抬腿、弹踢腿跳、弓步跳等。3.2.2.4 仪器设备（1）身高体重测试仪（恒康佳业 HK6000-ST，如图 3.3）采用恒康佳业 HK6000-ST 身高体重仪测量受试者身高和体重，该设备体重量程为 5.0kg-150kg，精确到 0.1kg
【学位授予单位】：四川师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：G804.2

【相似文献】