本發(fā)明涉及體能數(shù)據(jù)評(píng)估，尤其涉及一種大數(shù)據(jù)體能評(píng)估系統(tǒng)的數(shù)據(jù)模型和方法。

背景技術(shù)：

1、傳統(tǒng)運(yùn)動(dòng)大數(shù)據(jù)對(duì)比需要使用數(shù)據(jù)庫(kù)進(jìn)行對(duì)比，需要聯(lián)網(wǎng)和大量數(shù)據(jù)比較。由于不同的運(yùn)動(dòng)方法和不同的運(yùn)動(dòng)器械結(jié)構(gòu)和設(shè)計(jì)不同，導(dǎo)致難以形成一致的體能數(shù)據(jù)，難以對(duì)綜合運(yùn)動(dòng)能力進(jìn)行量化分析。并且數(shù)據(jù)在傳統(tǒng)的評(píng)估分析算法中，僅能逐個(gè)單項(xiàng)的運(yùn)算分析，為了實(shí)現(xiàn)多種評(píng)估功能，或者對(duì)于特定類型人群進(jìn)行評(píng)估，都需要多次計(jì)算，并需要反復(fù)重新組織數(shù)據(jù)結(jié)構(gòu)，增加了構(gòu)建綜合算法的復(fù)雜性。

2、現(xiàn)有公告號(hào)為cn202410355246.4的發(fā)明專利公開(kāi)了一種基于大數(shù)據(jù)的體能評(píng)價(jià)方法及系統(tǒng)，使用人工智能技術(shù)處理初始用戶體能檢測(cè)數(shù)據(jù)得到與隱藏預(yù)測(cè)系數(shù)和若干個(gè)全部預(yù)測(cè)系數(shù)相關(guān)的用戶體能檢測(cè)數(shù)據(jù)評(píng)估描述知識(shí)，使用用戶體能檢測(cè)數(shù)據(jù)評(píng)估描述知識(shí)對(duì)應(yīng)的評(píng)估系數(shù)對(duì)初始用戶體能檢測(cè)數(shù)據(jù)進(jìn)行評(píng)估得到體能評(píng)估結(jié)果，整個(gè)過(guò)程不需要基于屬性樣本處理初始用戶體能檢測(cè)數(shù)據(jù)，提高了評(píng)估的效率，但仍存在需要大梁構(gòu)建綜合算法的復(fù)雜性，也存在需要聯(lián)網(wǎng)進(jìn)行數(shù)據(jù)對(duì)比難以對(duì)綜合運(yùn)動(dòng)能力進(jìn)行量化分析的技術(shù)問(wèn)題。

3、本發(fā)明設(shè)計(jì)了一種張量參數(shù)結(jié)構(gòu)，實(shí)現(xiàn)同時(shí)保存了大量能體現(xiàn)用戶運(yùn)動(dòng)能力的數(shù)據(jù)，并且數(shù)據(jù)結(jié)構(gòu)通用性強(qiáng)，同一參數(shù)可帶入多種模型連續(xù)運(yùn)算，大大提升了計(jì)算效率，便于按不同應(yīng)用生成新的神經(jīng)網(wǎng)絡(luò)模型，降低了構(gòu)建分析算法的難度，解決了運(yùn)動(dòng)綜合能力分析由于數(shù)據(jù)結(jié)構(gòu)和方法復(fù)雜，難以直接實(shí)現(xiàn)的難題；僅需要構(gòu)建數(shù)據(jù)量很小的用戶體能的參數(shù)量，通過(guò)使用大數(shù)據(jù)生成的算法模型，就可以完成對(duì)用戶各方面體能的分析和評(píng)測(cè)，可以脫離數(shù)據(jù)庫(kù)獨(dú)立運(yùn)行，也可以脫離網(wǎng)絡(luò)離線運(yùn)行，擴(kuò)展了在封閉網(wǎng)絡(luò)和移動(dòng)網(wǎng)絡(luò)的應(yīng)用環(huán)境，解決了運(yùn)動(dòng)大數(shù)據(jù)評(píng)估應(yīng)用依賴互聯(lián)網(wǎng)和大數(shù)據(jù)的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述技術(shù)問(wèn)題，本發(fā)明的目的是提供一種大數(shù)據(jù)體能評(píng)估系統(tǒng)的數(shù)據(jù)模型和方法，通過(guò)設(shè)置步驟100至步驟600，大大提升了計(jì)算效率，便于按不同應(yīng)用生成新的神經(jīng)網(wǎng)絡(luò)模型，降低了構(gòu)建分析算法的難度，解決了運(yùn)動(dòng)綜合能力分析由于數(shù)據(jù)結(jié)構(gòu)和方法復(fù)雜，難以直接實(shí)現(xiàn)的難題。

2、本發(fā)明的上述技術(shù)目的是通過(guò)以下技術(shù)方案得以實(shí)現(xiàn)的：

3、一種大數(shù)據(jù)體能評(píng)估系統(tǒng)的數(shù)據(jù)模型和方法，包括以下步驟；

4、步驟100，數(shù)據(jù)采集；

5、步驟200，構(gòu)建張量參數(shù)結(jié)構(gòu)；

6、步驟300，通過(guò)大數(shù)據(jù)構(gòu)建算法模型；

7、步驟400，應(yīng)用中對(duì)運(yùn)動(dòng)能力進(jìn)行分析；

8、步驟500，將步驟400中分析數(shù)據(jù)進(jìn)行遞歸運(yùn)算，得到預(yù)測(cè)體能數(shù)據(jù)；

9、步驟600，對(duì)比新采集的體能數(shù)據(jù)和預(yù)測(cè)體能數(shù)據(jù)，輸出運(yùn)算結(jié)果。

10、通過(guò)采用上述技術(shù)方案，本發(fā)明設(shè)計(jì)了一種張量參數(shù)結(jié)構(gòu)，實(shí)現(xiàn)同時(shí)保存了大量能體現(xiàn)用戶運(yùn)動(dòng)能力的數(shù)據(jù)，并且數(shù)據(jù)結(jié)構(gòu)通用性強(qiáng)，同一參數(shù)可帶入多種模型連續(xù)運(yùn)算，大大提升了計(jì)算效率，便于按不同應(yīng)用生成新的神經(jīng)網(wǎng)絡(luò)模型，降低了構(gòu)建分析算法的難度，解決了運(yùn)動(dòng)綜合能力分析由于數(shù)據(jù)結(jié)構(gòu)和算法復(fù)雜，難以直接實(shí)現(xiàn)的難題。

11、同時(shí)本發(fā)明還提供了一種能夠通過(guò)運(yùn)動(dòng)大數(shù)據(jù)配合外部數(shù)據(jù)構(gòu)建兼容分析模型的方法。針對(duì)特定分類的人群，配合醫(yī)療、健康等外部數(shù)據(jù)，構(gòu)建出特定分析算法的兼容模型，并可對(duì)多個(gè)模型進(jìn)行連續(xù)多次分析，該方法能夠分析個(gè)人體能在體育、健康、康復(fù)等不同方面的交叉影響，解決了運(yùn)動(dòng)數(shù)據(jù)在不同年齡、不同體質(zhì)人群、不同地域、不同領(lǐng)域難以量化分析計(jì)算的問(wèn)題。

12、本發(fā)明進(jìn)一步設(shè)置為：所述步驟100包括步驟101至步驟104；

13、所述步驟101，基礎(chǔ)數(shù)據(jù)采集，所述基礎(chǔ)數(shù)據(jù)采集可通過(guò)身高體重秤、體質(zhì)分析儀、肺活量計(jì)測(cè)儀等測(cè)得，基礎(chǔ)數(shù)據(jù)應(yīng)當(dāng)記錄性別、年齡、身高、體重、體脂率、肺活量；

14、所述步驟102，心功能數(shù)據(jù)采集，所述心功能數(shù)據(jù)采集可通過(guò)有氧運(yùn)動(dòng)進(jìn)行測(cè)量采集，如跑步和單車(chē)等，心功能數(shù)據(jù)可通過(guò)有氧運(yùn)動(dòng)進(jìn)行測(cè)量采樣，如跑步和單車(chē)等，心肺數(shù)據(jù)采樣的運(yùn)動(dòng)應(yīng)當(dāng)使用可以定時(shí)、定速、定距離的運(yùn)動(dòng)方法來(lái)進(jìn)行測(cè)量采樣，不宜采用數(shù)據(jù)難以一致的運(yùn)動(dòng)方法。例如跑步適宜通過(guò)慢跑，沖刺跑等方法，不宜采用法萊克跑這種隨意跑的方法；單車(chē)適宜通過(guò)高速騎行，勻速騎行等方法，不宜采用動(dòng)感單車(chē)、搖擺騎行等方法。

15、心功能數(shù)據(jù)應(yīng)當(dāng)采集到運(yùn)動(dòng)前血壓和心率，運(yùn)動(dòng)后血壓和心率，運(yùn)動(dòng)30分鐘后血壓和心率；

16、所述步驟103，關(guān)節(jié)活動(dòng)范圍數(shù)據(jù)采集，所述關(guān)節(jié)活動(dòng)范圍數(shù)據(jù)可通過(guò)帶角度的運(yùn)動(dòng)測(cè)量器械或攝像頭姿勢(shì)識(shí)別等方式進(jìn)行測(cè)量采樣，采樣數(shù)據(jù)以靜止站立時(shí)的肢體為基準(zhǔn)，取0～180角度作為計(jì)量單位，關(guān)節(jié)活動(dòng)范圍應(yīng)當(dāng)包含頭頸、肩關(guān)節(jié)、軀干、髖關(guān)節(jié)、膝關(guān)節(jié)、肘關(guān)節(jié)、腕關(guān)節(jié)、踝關(guān)節(jié)的活動(dòng)數(shù)據(jù)，以右側(cè)肢體為正方向，并同時(shí)測(cè)量各個(gè)關(guān)節(jié)可運(yùn)動(dòng)的屈曲、伸展、外展、內(nèi)收、外旋(右旋)、內(nèi)旋(左旋)、外翻(右反)、內(nèi)翻(左翻)活動(dòng)所能達(dá)到的最大活動(dòng)范圍數(shù)據(jù)；

17、步驟104，肌群力量數(shù)據(jù)采集，所述肌群力量數(shù)據(jù)采集可通過(guò)力量器材進(jìn)行測(cè)量采樣，運(yùn)動(dòng)應(yīng)當(dāng)使用固定肌群，代償少的運(yùn)動(dòng)方法進(jìn)行測(cè)量采樣，應(yīng)當(dāng)以發(fā)力端方向使用標(biāo)準(zhǔn)單位牛為單位，不宜采用負(fù)重片重量，力量片配重質(zhì)量，電機(jī)拉力等方法和其他牛米、公斤力等計(jì)量單位，以避免因?yàn)檫\(yùn)動(dòng)器械結(jié)構(gòu)和設(shè)計(jì)不同導(dǎo)致的數(shù)據(jù)不一致。肌群力量應(yīng)當(dāng)包含各個(gè)肌群在關(guān)節(jié)運(yùn)動(dòng)方向的發(fā)力最大值數(shù)據(jù)，主動(dòng)肌群和拮抗肌群正對(duì)應(yīng)關(guān)節(jié)相反的兩個(gè)運(yùn)動(dòng)方向。

18、本發(fā)明進(jìn)一步設(shè)置為：所述步驟200，構(gòu)建張量參數(shù)結(jié)構(gòu)包括；

19、性別年齡體重等基礎(chǔ)數(shù)組a；

20、血壓心率等心功能數(shù)據(jù)類型數(shù)組b；

21、運(yùn)動(dòng)前后等采樣周期數(shù)組c，b和c構(gòu)成心功能數(shù)據(jù)矩陣；

22、頭頸關(guān)節(jié)左右肩關(guān)節(jié)等關(guān)節(jié)采樣數(shù)組d；

23、屈曲伸展等關(guān)節(jié)活動(dòng)方向數(shù)組e，d和e構(gòu)成關(guān)節(jié)活動(dòng)范圍矩陣；

24、左右上肢前臂肌群采樣數(shù)組f；

25、前臂屈曲伸展等肌群發(fā)力方向數(shù)組g，f和g構(gòu)成肌群力量矩陣；

26、匯集采集數(shù)據(jù)a至f，構(gòu)建得到體能張量參數(shù)t，t＝[a,[b,c],[d,e],[f,g]]

27、在計(jì)算機(jī)中以雙字節(jié)16位整數(shù)型值保存或傳輸該張量數(shù)據(jù)結(jié)構(gòu)并調(diào)整。

28、在實(shí)際操作時(shí)，根據(jù)用戶在一段周期內(nèi)的運(yùn)動(dòng)記錄，選取適合采樣的運(yùn)動(dòng)數(shù)據(jù)生成用戶的體能張量參數(shù)。

29、各個(gè)數(shù)據(jù)應(yīng)當(dāng)采用一段周期內(nèi)有效記錄的記錄總和除有效記錄次數(shù)得平均數(shù)的方法，沒(méi)有任何記錄該值記為0。例如以天為周期，一天內(nèi)共測(cè)得上肢內(nèi)收運(yùn)動(dòng)4次，最大發(fā)力分別為161牛，142牛，155牛，150牛，合計(jì)608牛，則上肢內(nèi)收參數(shù)值為平均數(shù)152牛。

30、構(gòu)建張量參數(shù)的方法描述如下：

31、以記錄時(shí)間為周期，性別年齡體重等基礎(chǔ)數(shù)組a；血壓心率等心功能數(shù)據(jù)類型數(shù)組b，運(yùn)動(dòng)前后等采樣周期數(shù)組c，b和c構(gòu)成心功能數(shù)據(jù)矩陣；頭頸關(guān)節(jié)左右肩關(guān)節(jié)等關(guān)節(jié)采樣數(shù)組d，屈曲伸展等關(guān)節(jié)活動(dòng)方向數(shù)組e，d和e構(gòu)成關(guān)節(jié)活動(dòng)范圍矩陣；左右上肢前臂肌群采樣數(shù)組f，前臂屈曲伸展等肌群發(fā)力方向數(shù)組g，f和g構(gòu)成肌群力量矩陣。

32、再根據(jù)采樣項(xiàng)目確定張量參數(shù)t和體能模型，張量參數(shù)t數(shù)據(jù)結(jié)構(gòu)為t＝[a,[b,c],[d,e],[f,g]]，參數(shù)值都應(yīng)為數(shù)字，自然數(shù)性能最佳，并對(duì)非數(shù)字和可能的小數(shù)進(jìn)行數(shù)學(xué)約定，無(wú)效參數(shù)值為0，例如性別使用男1女2；身高單位使用厘米更優(yōu)于米；肺活量單位使用毫升更優(yōu)于升。

33、本發(fā)明舉例所使用的性別、年齡、身高、體重、體脂率、肺活量6個(gè)基礎(chǔ)數(shù)據(jù)a，運(yùn)動(dòng)前血壓和心率，運(yùn)動(dòng)后血壓和心率，運(yùn)動(dòng)30分鐘后血壓和心率，兩個(gè)心功能數(shù)據(jù)指標(biāo)b和三個(gè)采樣周期c，頭頸、軀干、左右肩關(guān)節(jié)、左右髖關(guān)節(jié)、左右膝關(guān)節(jié)、左右肘關(guān)節(jié)、左右腕關(guān)節(jié)、左右踝關(guān)節(jié)共14項(xiàng)關(guān)節(jié)采樣d，屈曲、伸展、外展、內(nèi)收、外旋(右旋)、內(nèi)旋(左旋)、外翻(右反)、內(nèi)翻(左翻)共8個(gè)活動(dòng)方向e，無(wú)效的方向約定為數(shù)字0，肌群包含關(guān)節(jié)控制肌群和左右手握力，共16項(xiàng)肌群采樣f，同樣使用8個(gè)方向g，無(wú)效的方向約定為數(shù)字0。

34、得到體能張量參數(shù)t：t＝[6,[2,3],[14,8],[16,8]]

35、該張量參數(shù)的數(shù)據(jù)結(jié)構(gòu)可以在后續(xù)操作中直接使用數(shù)據(jù)模型連續(xù)計(jì)算，結(jié)構(gòu)通用，無(wú)需反復(fù)調(diào)整數(shù)據(jù)結(jié)構(gòu)和變更模型，提高了通用性和運(yùn)算效率，在計(jì)算機(jī)中以雙字節(jié)16位整數(shù)型值保存或傳輸該張量數(shù)據(jù)結(jié)構(gòu)，數(shù)據(jù)結(jié)構(gòu)總大小僅需1mb。

36、同理可以按照特定需求增加或減少各項(xiàng)目參數(shù)，并需要同時(shí)調(diào)整參數(shù)和模型的數(shù)據(jù)結(jié)構(gòu)。

37、本發(fā)明進(jìn)一步設(shè)置為：所述步驟300，通過(guò)大數(shù)據(jù)構(gòu)建算法模型包括兩個(gè)張量參數(shù)的輸入層，三個(gè)隱藏層，一個(gè)張量參數(shù)的輸出層，模型算法流程為準(zhǔn)備數(shù)據(jù)、輸入層計(jì)算、隱藏層計(jì)算、輸出層計(jì)算、重組輸出結(jié)果，t1、t2兩個(gè)為輸入量，w1、w2是輸入層權(quán)重，b1為輸入層偏置量；h1、h2、h3、h4為隱藏層張量，w3、w4、w5為隱藏層權(quán)重，b2、b3、b4為隱藏層偏置量；t3為輸出張量w6為輸出層權(quán)重，b5為輸出層偏置量。

38、具體實(shí)施時(shí)，首先將用戶的個(gè)人運(yùn)動(dòng)參數(shù)定期匯集到數(shù)據(jù)庫(kù)里，并篩選數(shù)據(jù)庫(kù)中運(yùn)動(dòng)記錄，并制作參數(shù)樣本集。

39、然后默認(rèn)按照運(yùn)動(dòng)記錄時(shí)間的周期分劃基礎(chǔ)數(shù)據(jù)集。數(shù)據(jù)集中的各個(gè)數(shù)據(jù)既是訓(xùn)練參數(shù)也是對(duì)照樣本，通過(guò)連續(xù)擬合數(shù)據(jù)集中同一人先后連續(xù)的運(yùn)動(dòng)參數(shù)的變化關(guān)系，就可以構(gòu)建出運(yùn)動(dòng)分析模型，可以按不同的功能需求選擇不同的樣本集，訓(xùn)練得到不同的功能模型。例如按運(yùn)動(dòng)量預(yù)測(cè)體脂變化、按目標(biāo)肌群力量制定運(yùn)動(dòng)量等算法模型。分劃特定分類人群，需要通過(guò)數(shù)據(jù)篩查為特定用戶添加標(biāo)簽，例如在校學(xué)生、高原居民、高血脂人群、糖尿病人群等。按特定的功能需要構(gòu)建額外的特定數(shù)據(jù)集，特定數(shù)據(jù)集的數(shù)據(jù)周期應(yīng)該和運(yùn)動(dòng)數(shù)據(jù)集和周期盡量一致，特定的算法模型可以引用醫(yī)療健康、環(huán)境地域等外部數(shù)據(jù)集，構(gòu)建交叉領(lǐng)域的算法模型。例如分析高原地區(qū)對(duì)運(yùn)動(dòng)能力的影響，為高血糖用戶制定康復(fù)運(yùn)動(dòng)量等算法模型。

40、按需求構(gòu)建算法模型。構(gòu)建算法模型時(shí)，至少需要兩個(gè)標(biāo)準(zhǔn)輸入接口和一個(gè)標(biāo)準(zhǔn)輸出接口，標(biāo)準(zhǔn)輸入輸出皆為通用的體能張量參數(shù)結(jié)構(gòu)。特定功能模型可創(chuàng)建多輸入多輸出模型，需要的額外輸入輸出數(shù)據(jù)應(yīng)該單獨(dú)建立接口，不宜修改占用原標(biāo)準(zhǔn)接口數(shù)據(jù)結(jié)構(gòu)。

41、參數(shù)中值為0的不參與計(jì)算，以避免影響數(shù)據(jù)精準(zhǔn)性和算法完整性。

42、由于運(yùn)算量較大，使用傳統(tǒng)的線性回歸算法構(gòu)建過(guò)于復(fù)雜，算法構(gòu)建適宜使用神經(jīng)網(wǎng)絡(luò)模型。

43、本發(fā)明進(jìn)一步設(shè)置為：本算法模型本質(zhì)上是一種多層感知機(jī)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型，具有兩個(gè)張量參數(shù)的輸入層，三個(gè)隱藏層，一個(gè)張量參數(shù)的輸出層。

44、模型算法流程為準(zhǔn)備數(shù)據(jù)、輸入層計(jì)算、隱藏層計(jì)算、輸出層計(jì)算、重組輸出結(jié)果。

45、體能張量的格式為：t＝[6,[2,3],[14,8],[16,8]]，則張量一維展開(kāi)后總數(shù)為[516096]，各層的權(quán)重值和偏置量也為同樣數(shù)量，雖然數(shù)據(jù)量龐大，但完全可以通過(guò)仿射函數(shù)變換，再通過(guò)s型生長(zhǎng)曲線函數(shù)sigmoid非線性變換后再次進(jìn)行仿射變換。

46、各層使用仿射函數(shù)表示：t1、t2兩個(gè)為輸入量，w1、w2是輸入層權(quán)重，b1為輸入層偏置量；h1、h2、h3、h4為隱藏層張量，w3、w4、w5為隱藏層權(quán)重，b2、b3、b4為隱藏層偏置量；t3為輸出張量w6為輸出層權(quán)重，b5為輸出層偏置量。

47、準(zhǔn)備數(shù)據(jù)首先展開(kāi)t1和t2，并將所有正整數(shù)等比縮放成小數(shù)0～1.0之間，重組數(shù)據(jù)則將結(jié)果t3的小數(shù)按照原縮放比例重新放大成正整數(shù)并舍棄小數(shù)點(diǎn)，再按照體能張量格式t重新排列輸出。

48、模型算法詳細(xì)流程如下：

49、t1、t2展開(kāi)并準(zhǔn)備數(shù)據(jù)

50、h1＝t1*w1+t2*w2+b1

51、h1非線性變換

52、h2＝h1*w3+b2

53、h2非線性變換

54、h3＝h2*w4+b3

55、h3非線性變換

56、h4＝h3*w5+b4

57、h4非線性變換

58、t3＝h4*w6*b5

59、t3非線性變換

60、t3重組輸出

61、t3則是經(jīng)過(guò)該模型計(jì)算后的周期預(yù)測(cè)結(jié)果

62、使用大數(shù)據(jù)訓(xùn)練模型。將數(shù)據(jù)篩查分劃后得到的數(shù)據(jù)集，按每個(gè)用戶每次運(yùn)動(dòng)生成用戶的體能張量參數(shù)樣本集，使用該參數(shù)樣本集訓(xùn)練各個(gè)算法模型?？梢远ㄆ趶臄?shù)據(jù)庫(kù)中篩查整理出比較完整的數(shù)據(jù)樣本，作為參考樣本完善數(shù)據(jù)集并重復(fù)訓(xùn)練模型，增加大數(shù)據(jù)模型的精準(zhǔn)性，隨著大數(shù)據(jù)中運(yùn)動(dòng)記錄的增多，參考樣本數(shù)量也隨之增加，算法模型的精確度將持續(xù)提升。

63、將訓(xùn)練后的功能模型，分發(fā)給需要的用戶應(yīng)用場(chǎng)景中，用戶就可以在每次使用時(shí)使用該模型得到所需要的分析評(píng)估結(jié)果，不再需要反復(fù)連接查詢數(shù)據(jù)庫(kù)，也可以在不連接互聯(lián)網(wǎng)的環(huán)境運(yùn)行大數(shù)據(jù)分析，擴(kuò)展了可部署的應(yīng)用環(huán)境。

64、本發(fā)明進(jìn)一步設(shè)置為：所述步驟400，應(yīng)用中對(duì)運(yùn)動(dòng)能力進(jìn)行分析，包括；通過(guò)用戶一段時(shí)間的運(yùn)動(dòng)記錄構(gòu)建出先后兩個(gè)周期的原始體能參數(shù)r1和r2，代入運(yùn)動(dòng)分析模型運(yùn)算分析得到預(yù)測(cè)體能參數(shù)r3，使用r2和r3再次運(yùn)算則得到下一周期的預(yù)測(cè)體能參數(shù)r4，指定周期則以此遞歸類推。應(yīng)用環(huán)境可定期更新功能模型，僅靠少量算力就可以完成運(yùn)動(dòng)分析和評(píng)估，不需要實(shí)時(shí)聯(lián)網(wǎng)和云計(jì)算。

65、通過(guò)用戶一段時(shí)間的運(yùn)動(dòng)記錄構(gòu)建出先后兩個(gè)周期的原始體能參數(shù)r1和r2，代入運(yùn)動(dòng)分析模型運(yùn)算分析得到預(yù)測(cè)體能參數(shù)r3，使用r2和r3再次運(yùn)算則得到下一周期的預(yù)測(cè)體能參數(shù)r4，指定周期則以此遞歸類推。例如使用用戶運(yùn)動(dòng)第一天和第二天的運(yùn)動(dòng)記錄，則可以分析的到第三天預(yù)期的運(yùn)動(dòng)結(jié)果，遞歸運(yùn)算28次則得到一個(gè)月的預(yù)期結(jié)果。

66、遞歸運(yùn)算隨著周期的增加會(huì)導(dǎo)致誤差放大，所以可以使用長(zhǎng)周期縮減運(yùn)算次數(shù)，例如使用一周的周期來(lái)構(gòu)建張量參數(shù)，這樣僅需要2次遞歸運(yùn)算就可以得到一個(gè)月后的預(yù)期結(jié)果，提高預(yù)測(cè)精度。

67、對(duì)多個(gè)周期的體能參數(shù)運(yùn)算，也可以實(shí)現(xiàn)周期內(nèi)的運(yùn)動(dòng)效果評(píng)估。例如根據(jù)用戶運(yùn)動(dòng)記錄構(gòu)建出r1、r2、r3三個(gè)周期的體能參數(shù)，然后將r1和r2帶入分析模型運(yùn)算得到r3s，比較r3和r3s的關(guān)鍵項(xiàng)差值，例如體脂率、前臂屈曲力量等，既可以知道運(yùn)動(dòng)量是否合理。

68、使用特定分析算法時(shí)，需要一起代入相同周期的額外參數(shù)，例如分析高血糖用戶的運(yùn)動(dòng)康復(fù)時(shí)，需要額外的血糖參數(shù)輸入和輸出接口，即四輸入兩輸出模型，血糖的參數(shù)和分析結(jié)果不影響運(yùn)動(dòng)參數(shù)后續(xù)的使用。

69、綜上所述，本發(fā)明的有益技術(shù)效果為：

70、(1)本發(fā)明僅需要構(gòu)建數(shù)據(jù)量很小的用戶體能的參數(shù)量，通過(guò)使用大數(shù)據(jù)生成的算法模型，就可以完成對(duì)用戶各方面體能的分析和評(píng)測(cè)，可以脫離數(shù)據(jù)庫(kù)獨(dú)立運(yùn)行，也可以脫離網(wǎng)絡(luò)離線運(yùn)行，擴(kuò)展了在封閉網(wǎng)絡(luò)和移動(dòng)網(wǎng)絡(luò)的應(yīng)用環(huán)境，解決了運(yùn)動(dòng)大數(shù)據(jù)評(píng)估應(yīng)用依賴互聯(lián)網(wǎng)和大數(shù)據(jù)的問(wèn)題。

71、(2)本發(fā)明設(shè)計(jì)了一種張量參數(shù)結(jié)構(gòu)，實(shí)現(xiàn)同時(shí)保存了大量能體現(xiàn)用戶運(yùn)動(dòng)能力的數(shù)據(jù)，并且數(shù)據(jù)結(jié)構(gòu)通用性強(qiáng)，同一參數(shù)可帶入多種模型連續(xù)運(yùn)算，大大提升了計(jì)算效率，便于按不同應(yīng)用生成新的神經(jīng)網(wǎng)絡(luò)模型，降低了構(gòu)建分析算法的難度，解決了運(yùn)動(dòng)綜合能力分析由于數(shù)據(jù)結(jié)構(gòu)和算法復(fù)雜，難以直接實(shí)現(xiàn)的難題。

72、(3)同時(shí)本發(fā)明還提供了一種能夠通過(guò)運(yùn)動(dòng)大數(shù)據(jù)配合外部數(shù)據(jù)構(gòu)建兼容分析模型的方法。針對(duì)特定分類的人群，配合醫(yī)療、健康等外部數(shù)據(jù)，構(gòu)建出特定分析算法的兼容模型，并可對(duì)多個(gè)模型進(jìn)行連續(xù)多次分析，該方法能夠分析個(gè)人體能在體育、健康、康復(fù)等不同方面的交叉影響，解決了運(yùn)動(dòng)數(shù)據(jù)在不同年齡、不同體質(zhì)人群、不同地域、不同領(lǐng)域難以量化分析計(jì)算的問(wèn)題。