基于机器学习的青少年运动员新冠肺炎疫情应对能力分析与预测

发布时间：2021-06-07 02:10

　　应用机器学习模型对青少年运动员在新冠肺炎疫情流行期间的应对能力状况进行快速识别和预测。利用"问卷星"在线调查平台对来自烟台市6家体育运动学校1 699名7～17岁青少年运动员开展问卷调查,收集疫情防护知识与行为信息并计算应对能力得分,利用动态聚类分析将应对能力分为高、低两个响应级别,并建立随机森林模型度量各类应对能力影响因素的重要性;以各类影响因素为输入特征,建立BP神经网络、支持向量机和多元自适应回归样条3种机器学习模型对响应级别进行分类预测,并与Logistic回归模型进行预测准度和分类性能的比较。结果显示:参与调查的青少年运动员对疫情防护知识知晓程度不够全面,将近1/2的运动员无法克服紧张和恐慌心理,约3/4的运动员无法完成训练计划;疫情应对能力影响因素重要性排序结果显示,年龄、训练项目和居住地区位居前3位;机器学习模型预测结果显示,与Logistic回归相比,基于径向基核函数的支持向量机模型平均准确率（80.32%）最高,提升7.15%,多元自适应回归样条加法模型的灵敏度（0.86）最高,提升12.24%,5-3-2-1双隐含层结构BP神经网络模型的特异度（0.83）最高,提升... 

【文章来源】：体育学刊. 2020,27(03)北大核心CSSCI

【文章页数】：6 页

【部分图文】：

基于MDG分析的应对能力各类影响因素重要性排序

【参考文献】：
期刊论文
[1]新型冠状病毒肺炎流行期间居家儿童青少年抑郁情绪调查及影响因素分析[J]. 王悦,杨媛媛,李少闻,雷晓梅,杨玉凤.  中国儿童保健杂志. 2020(03)
[2]基于机器学习的新型冠状病毒（COVID-19）疫情分析及预测[J]. 王志心,刘治,刘兆军.  生物医学工程研究. 2020(01)
[3]机器学习算法在医疗领域中的应用[J]. 兰欣,卫荣,蔡宏伟,郭佑民,侯梦薇,邢磊,那天,陆亮.  医疗卫生装备. 2019(03)
[4]机器学习算法在预测男男性行为人群中HIV感染的应用[J]. 郭长满,郭敏,刘媛媛,李长平,崔壮,马骏,.  中国卫生统计. 2019(01)
[5]基于机器学习统计思想实现多重线性回归分析[J]. 谷恒明,胡良平.  四川精神卫生. 2018(01)
[6]桂林市大学生H7N9禽流感知识及影响因素分析[J]. 梁秋瑜,卢雪婷,徐世杰,孟繁文,王芳,符雄驹,谭盛葵.  中国学校卫生. 2014(09)
[7]农村居民突发公共卫生事件应对能力调查分析[J]. 程庆林,胡连鑫,李杰,徐勇.  中国卫生事业管理. 2010(08)
[8]基于BP神经网络的足球运动员选材研究[J]. 彭利民,周毅.  广州体育学院学报. 2010(01)
[9]SARS流行期少年儿童学习适应的调查[J]. 陆小英,方格.  中国行为医学科学. 2005(09)
[10]从SARS谈对青少年应激能力的培养[J]. 冯维,葛缨.  中国教育学刊. 2003(09)

博士论文
[1]面向智能决策问题的机器学习方法研究[D]. 陈慧灵.吉林大学 2012

硕士论文
[1]机器学习算法在医疗数据分析中的应用[D]. 叶雷.华中师范大学 2017



本文编号：3215631