统计方法与数学模型在疾病与体育运动方面的应用
发布时间：2020-12-10 08:14
本论文想要探讨的是统计方法与数学模型在人类疾病与体育锻炼中的应用.主要内容如下:根据2011年1月至2018年5月中国血吸虫病发病率数据,建立SARIMA模型和NARX模型.这两个模型用于预测2018年6月至2018年9月中国血吸虫病的发病率.通过比较两组预测值的均方差和平均绝对误差,结果表明NARX模型预测效果更好,并且具有对血吸虫病发病率的有效预测精度.然后建立NARX-SARIMA混合模型来预测发病率的未来趋势,并与这两种模型进行比较.混合模型基于其良好的拟合能力而具有更好的应用.分析大学生在大学四年期间的体质测试的结果,采用主成分分析方法,找出影响大学生体质情况的主要因素.根据主成分得分方程和综合得分方程,得出结论:要有效提高大学生身体素质,大学四年期间应该进行不同项目的锻炼.另外,根据每位学生的得分对学生体质状况进行排序,了解每位学生体质发展状况,对提高不同学生的体质健康水平提出有效性建议.根据运动技能和运动意愿将人群分为三类,分别考虑三类人相互接触的消极和积极影响,建立两种新的群体竞技体育活动仓室模型.研究发现两个系统的定性结论完全不同.通过分析得出,消极模型中零平衡点和正...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图２．１?２０１１年１月一?２０１８年５月全国血吸虫病发病率的时序图??６??
?０．００３??ｉ?］?ｉ?）?ｉ?５?０．１９２?０．０４８?１９．０１２?０．００２??ｉ?］?ｉ?６?０．０８２?＊０．０１３?１９，５８０?０．００３??Ｃ?ｉ?７?－０．２１５?－０．１７６?２３．５６９?０．００１??？［?ｉ?ｉ?）?ｉ?８?－０．１０９?０．０４１?２４．６０３?０．００２??ｉ?］丨?ｉ?］ｉ?９?０．１７２?０．１４７?２７．２２８?０．００１??Ｉ?ｂ?？?ｉｄ?Ｉ?１０?０．０７９?－０．１３２?２７．７８４?０．００２??图２．２?ＡＣＦ与ＰＡＣＦ图??初步观察自相关与偏自相关图选用ｐ＝３，ｑ＝０，为进一步确认阶数对ｑ＝０，Ｐ分??别为０，１，２，３进行建模，弁令？，（５分别为０，１，２和０山２进行实验，根据？－＾１１６应该小??于０．０５及ＡＩＣ准则可挑选出最优的模型．??根据表２．２，由ｐ＝ｌ时ｐ－ｖａｌｕｅ的数值大于０．０５，囡此ｐ不能为１，只需考虑对ｐ＝２的??几种情况进行模拟实验，根据软件结果可得当Ｑ不为０时变量对应的ｐ－ｖａｔｅ都存??在大于０．０５的情况，因此Ｑ必为０，Ｐ不为０时变量对应的ｐ－ｖａｌｕｅ也有大于０．０５的情??况，固此可得到Ｐ＝０，?ＡＲＩＭＡ（２，１，０）（０，１，０）１２对应的ＡＩＣ值为－６．２０００４８，故确定出??ＳＡＲＩＭＡ?模型，最终选用?ＡＲＩＭＡ（２，１，０）（０，１，０）１２．??８??
现其具有以下重要性质：（１）ＮＡＲＸ模型比其他神经网络有着更??好的学习效果，相比通用的ＢＰ神经网络，ＮＡＲＸ模型给神经网络增加了一定的序??列学习能力．（２）ＮＡＲＸ模型在收敛速度更快，可推广性更好．很多实验数据模型??的拟合效果能够表明，ＮＡＲＸ模型相较于以往的时间序列模型能够更准确的拟??合长时间数据模型的相关性．??在时间序列模型中，非线性自回归模型是一类有外部输入的非线性的回归??模型，其意味着，这类模型的当前值与该序列的过去值以及过去值的外部输入驱??动值有关，模型（如图３．１）可表示为：??Ｖｔ?＝?ｙｔ－２，?＊？？，?＇＇?＊）?＋?￡ｔ－??其中，ｙ是研究变量，ｕ是外部的输入变薰？在此模型中的值既能够帮助计算ｙ的??即期值也有助于预测ｙ的将来值而则是一个误差项（通常其等同于一个白噪声）．??Ｐｒｅｄｉｃｔ?ｓｅｒｉｅｓ?ｙ（ｌ＞?ｇｉｖｅｎ?ｄ?ｐａｓｔ?ｖａｌｕｅｓ?ｏｆ?ｙ（ｔ）?ａｎｄ?ａｎｏｔｈｅｒ?ｓｅｒｉｅｓ?ｘ（ｉ）．??ｘ（ｔ）?｜?＇Ｖ—ｙ（ｔ）?＝??■?Ｊ?ｙ（ｔ－ｌ），．－．ｙ（ｔ－ｄ））??图３．１?ＮＡＲＸ模型结构图??ＮＡＲＸ神经网络（Ｎｏｎｌｉｎｅａｒ?Ａｕｔｏ?Ｒｅｇｒｅｓｓｉｖｅ?ｅｘｏｇｅｎｏｕｓ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ）是基??于非线性自回归模型的一种神经网络模型．在每一时间点的输出值都是由当前??１２??
【参考文献】：
期刊论文
[1]对大学生体质测试的主成分进行追踪对比研究[J]. 于辛雅,刘彬彬,翁晓雨,齐龙兴,汤攀. 合肥学院学报(综合版). 2018(05)
[2]合肥市老年人习练太极拳现状调查与分析[J]. 苏炎,潘文明. 合肥师范学院学报. 2018(03)
[3]体育运动与体育传播的关系研究[J]. 李立群. 当代体育科技. 2017(02)
[4]一种稀疏可控的主成分分析方法[J]. 谭亚芳,刘娟,王才华,蒋万伟. 计算机科学. 2017(01)
[5]基于主成分分析法的省域科技创新体系评价模型构建[J]. 徐顽强,周晓婷. 科技管理研究. 2016(06)
[6]时滞群体竞技体育模型的稳定性与Hopf分支研究[J]. 曾清娟,马亚萍,路秋英. 浙江理工大学学报. 2016(01)
[7]我国学校体育场地设施现状、制约因素与发展对策[J]. 王健,陈元欣. 上海体育学院学报. 2015(02)
[8]对我国中学生体质健康影响因素回归模型的实证分析[J]. 董琦. 教学与管理. 2014(27)
[9]《国家学生体质健康标准》测试指标调整前后的比较分析[J]. 游蕴琦. 体育学刊. 2013(04)
[10]大学生体质下降的原因及对策[J]. 赵裕虎,张红. 江苏工业学院学报(社会科学版). 2009(03)
硕士论文
[1]湖南省大学生对太极拳锻炼的认知态度及其影响因素研究[D]. 柴龙铣.湖南师范大学 2015
本文编号：2908368
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图２．１?２０１１年１月一?２０１８年５月全国血吸虫病发病率的时序图??６??
?０．００３??ｉ?］?ｉ?）?ｉ?５?０．１９２?０．０４８?１９．０１２?０．００２??ｉ?］?ｉ?６?０．０８２?＊０．０１３?１９，５８０?０．００３??Ｃ?ｉ?７?－０．２１５?－０．１７６?２３．５６９?０．００１??？［?ｉ?ｉ?）?ｉ?８?－０．１０９?０．０４１?２４．６０３?０．００２??ｉ?］丨?ｉ?］ｉ?９?０．１７２?０．１４７?２７．２２８?０．００１??Ｉ?ｂ?？?ｉｄ?Ｉ?１０?０．０７９?－０．１３２?２７．７８４?０．００２??图２．２?ＡＣＦ与ＰＡＣＦ图??初步观察自相关与偏自相关图选用ｐ＝３，ｑ＝０，为进一步确认阶数对ｑ＝０，Ｐ分??别为０，１，２，３进行建模，弁令？，（５分别为０，１，２和０山２进行实验，根据？－＾１１６应该小??于０．０５及ＡＩＣ准则可挑选出最优的模型．??根据表２．２，由ｐ＝ｌ时ｐ－ｖａｌｕｅ的数值大于０．０５，囡此ｐ不能为１，只需考虑对ｐ＝２的??几种情况进行模拟实验，根据软件结果可得当Ｑ不为０时变量对应的ｐ－ｖａｔｅ都存??在大于０．０５的情况，因此Ｑ必为０，Ｐ不为０时变量对应的ｐ－ｖａｌｕｅ也有大于０．０５的情??况，固此可得到Ｐ＝０，?ＡＲＩＭＡ（２，１，０）（０，１，０）１２对应的ＡＩＣ值为－６．２０００４８，故确定出??ＳＡＲＩＭＡ?模型，最终选用?ＡＲＩＭＡ（２，１，０）（０，１，０）１２．??８??
现其具有以下重要性质：（１）ＮＡＲＸ模型比其他神经网络有着更??好的学习效果，相比通用的ＢＰ神经网络，ＮＡＲＸ模型给神经网络增加了一定的序??列学习能力．（２）ＮＡＲＸ模型在收敛速度更快，可推广性更好．很多实验数据模型??的拟合效果能够表明，ＮＡＲＸ模型相较于以往的时间序列模型能够更准确的拟??合长时间数据模型的相关性．??在时间序列模型中，非线性自回归模型是一类有外部输入的非线性的回归??模型，其意味着，这类模型的当前值与该序列的过去值以及过去值的外部输入驱??动值有关，模型（如图３．１）可表示为：??Ｖｔ?＝?ｙｔ－２，?＊？？，?＇＇?＊）?＋?￡ｔ－??其中，ｙ是研究变量，ｕ是外部的输入变薰？在此模型中的值既能够帮助计算ｙ的??即期值也有助于预测ｙ的将来值而则是一个误差项（通常其等同于一个白噪声）．??Ｐｒｅｄｉｃｔ?ｓｅｒｉｅｓ?ｙ（ｌ＞?ｇｉｖｅｎ?ｄ?ｐａｓｔ?ｖａｌｕｅｓ?ｏｆ?ｙ（ｔ）?ａｎｄ?ａｎｏｔｈｅｒ?ｓｅｒｉｅｓ?ｘ（ｉ）．??ｘ（ｔ）?｜?＇Ｖ—ｙ（ｔ）?＝??■?Ｊ?ｙ（ｔ－ｌ），．－．ｙ（ｔ－ｄ））??图３．１?ＮＡＲＸ模型结构图??ＮＡＲＸ神经网络（Ｎｏｎｌｉｎｅａｒ?Ａｕｔｏ?Ｒｅｇｒｅｓｓｉｖｅ?ｅｘｏｇｅｎｏｕｓ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ）是基??于非线性自回归模型的一种神经网络模型．在每一时间点的输出值都是由当前??１２??
【参考文献】：
期刊论文
[1]对大学生体质测试的主成分进行追踪对比研究[J]. 于辛雅,刘彬彬,翁晓雨,齐龙兴,汤攀. 合肥学院学报(综合版). 2018(05)
[2]合肥市老年人习练太极拳现状调查与分析[J]. 苏炎,潘文明. 合肥师范学院学报. 2018(03)
[3]体育运动与体育传播的关系研究[J]. 李立群. 当代体育科技. 2017(02)
[4]一种稀疏可控的主成分分析方法[J]. 谭亚芳,刘娟,王才华,蒋万伟. 计算机科学. 2017(01)
[5]基于主成分分析法的省域科技创新体系评价模型构建[J]. 徐顽强,周晓婷. 科技管理研究. 2016(06)
[6]时滞群体竞技体育模型的稳定性与Hopf分支研究[J]. 曾清娟,马亚萍,路秋英. 浙江理工大学学报. 2016(01)
[7]我国学校体育场地设施现状、制约因素与发展对策[J]. 王健,陈元欣. 上海体育学院学报. 2015(02)
[8]对我国中学生体质健康影响因素回归模型的实证分析[J]. 董琦. 教学与管理. 2014(27)
[9]《国家学生体质健康标准》测试指标调整前后的比较分析[J]. 游蕴琦. 体育学刊. 2013(04)
[10]大学生体质下降的原因及对策[J]. 赵裕虎,张红. 江苏工业学院学报(社会科学版). 2009(03)
硕士论文
[1]湖南省大学生对太极拳锻炼的认知态度及其影响因素研究[D]. 柴龙铣.湖南师范大学 2015
本文编号：2908368
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/2908368.html
