Платформа анализа больших данных для принятия решений при оптимизации спортивных результатов

Big Data Analytics Framework for Decision-Making in Sports Performance Optimization
Dan Cristian Mănescu
2025-07-14

анализ больших данныхподдержка принятия решенийпрогнозирование риска травмоптимизация спортивных результатовносимые сенсоры
Стремительное распространение носимых датчиков и передовых технологий отслеживания произвело революцию в сборе данных в спорте высших достижений, обеспечив непрерывный мониторинг физиологического и биомеханического состояния спортсменов. В настоящем исследовании предлагается комплексная платформа анализа больших данных, интегрирующая сбор и обработку данных, аналитику и поддержку принятия решений; её работа продемонстрирована на синтетических наборах данных в сценариях для футбола, баскетбола и лёгкой атлетики, смоделированных для представления типичных закономерностей данных и рабочих процессов принятия решений, наблюдаемых в условиях спорта высших достижений. Для прогнозирования риска травм, оптимизации тактических решений во время игры и персонализации тренировок техники спринта применялись аналитические методы, включая классификаторы на основе градиентного бустинга, логистическую регрессию и модели многослойного перцептрона. Ключевые результаты включают снижение частоты травм задней поверхности бедра в футболе на 12%, повышение точности принятия решений в решающие моменты в баскетболе на 16% и сокращение времени бега на 100 м у спортсменов на 8%. Инструменты визуализации и системы оповещения платформы обеспечивали тренеров и медицинский персонал практическими аналитическими выводами. Рассматриваются такие проблемы, как качество данных, соблюдение требований конфиденциальности и интерпретируемость моделей; дальнейшие исследования будут сосредоточены на периферийных вычислениях, федеративном обучении и интеграции дополненной реальности для улучшения обратной связи в реальном времени. Исследование демонстрирует потенциал интегрированного анализа больших данных для преобразования подходов к оптимизации спортивных результатов, предлагая воспроизводимую и этически обоснованную платформу для развития персонализированного управления спортсменами на основе данных.
1
Для мониторинга спортсменов и прогнозирования показателей применялись модели градиентного бустинга, логистической регрессии и многослойного перцептрона.
2
Синтетические сценарии для футбола, баскетбола и легкой атлетики демонстрируют применение платформы для прогнозирования травм, тактических решений и персонализированной тренировки спринта.
3
Платформа, согласно результатам, снизила частоту травм задней поверхности бедра в футболе на 12%, повысила точность решений в решающие моменты баскетбольных матчей на 16% и сократила время бега на 100 м на 8%.
4
Предложенная платформа объединяет сбор и обработку данных с носимых устройств, аналитику, визуализацию, оповещения и поддержку решений для оптимизации спортивных результатов.
5
В исследовании рассматриваются проблемы качества данных, соблюдения требований конфиденциальности и интерпретируемости моделей; среди перспективных направлений названы периферийные вычисления, федеративное обучение и дополненная реальность.

спортсмены элитного уровня в футболе, баскетболе и лёгкой атлетике, отслеживаемые с помощью носимых датчиков и технологий трекинга

прогнозирование и оптимизация на основе данных риска травм, тактических решений во время игры и персонализированной тренировки техники спринта

Publication Details
Publication Date
2025-07-14
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Dan Cristian Mănescu
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%