一种基于大数据的体育训练指导系统和方法与流程

本发明涉及体育大数据分析领域，特别涉及一种基于大数据的体育训练指导系统和方法。

背景技术：

随着大数据时代的到来，数据被视为推动体育发展的一种新的生产要素和创新驱动力。《全民健身计划(2016-2020年)》提出，2020年我国经常参加体育锻炼的人数预计达到4.35亿，利用大数据、物联网等现代信息技术手段与全民健身相结合，通过“建设全民健身管理资源库、服务资源库和公共服务信息平台”，可以使全民健身服务更加便捷、高效、精准。

大数据已经渗透到生活的各个领域，包括体育领域，但是如何获取更详细、更有针对性并持续更新的数据源，通过对这些数据源进行统计分析，得到适合不同特征人群优化的训练方式，并将这些有益结果反馈给广大体育爱好者，指导他们训练，提高训练成绩，同时通过分析对比，为我国体育发展提供更多有益的参考性意见，这些问题一直是大数据在体育领域应用的热门研究，本发明就上述问题公开了一种基于大数据的体育训练指导系统和方法。

技术实现要素：

本发明的目的在于提供种基于大数据的体育训练指导系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明采用以下技术方案：

一种基于大数据的体育训练指导系统，其特征在于，所属系统可以分析包括受训者个人单因素及多因素对体育训练的影响，系统自动为训练者推介优化的训练方式，训练者可与所述系统实现互动，获取更多的训练指导；

所述多因素包括籍贯、爱好、饮食结构、训练时间段、训练时间、作息时间，所述单因素为所述多因素之一。

所述指导系统可以分析包括籍贯、爱好、饮食结构、训练时间段、训练时间、作息时间在内的单因素及多因素对体育训练的影响，系统自动为训练者推介优化的训练方式，训练者可与系统实现互动，获取更多的训练指导。

所述一种基于大数据的体育训练指导系统，包括：

个人信息基本参数输入模块，用于输入训练人籍贯，所在地区，性别，年龄，身高，体重，训练项目，爱好项目；

个人信息实时参数输入模块，用于输入当日项目训练内容，当日项目训练时间段，当日项目训练时间，当日饮食结构，当日作息时间；

阶段性成绩参数输入模块，用于输入日常训练或比赛中，有记录成绩的项目成绩；

信息输入辅助模块，通过高精度定位装置，提供每位训练者当日行动轨迹，并提供所述轨迹不同位点时间值，训练者可通过手机app或电脑app获取，用以辅助训练者通过个人信息实时参数输入模块输入当日实时参数值；

数据分析模块，用于统计分析大量参与训练人员的各项基本参数、实时参数和成绩参数，并将分析得到的最优参数通过互动推介模块推介给训练者用以指导训练，数据分析模块还可以将训练者提供的各项参数数据提供给优化组合模块；

优化组合模块，利用优化算法对项目训练有影响的多个参数同时进行优化，可对综合项目训练的多参数组合进行优化，得到优化的参数数据组合，并通过互动推介模块推介给训练者；

互动推介模块，通过数据分析模块的统计分析，定期将适合训练者的参数组合反馈给训练者，提供给训练者优化的训练参数组合，训练者也可以重新设置训练项目内容，通过数据分析模块的统计分析，获取适合自己新项目训练的参数组合，新注册的训练者，可以通过输入自己的基本参数信息，获取适合自己训练方式的参数组合。

进一步的，所述数据分析模块可对训练者提供的各项参数值进行筛选和排序分析，得出包括籍贯、爱好、训练时间段、训练时间、作息时间在内的单因素对不同地区、不同人群、不同年龄、不同项目训练成绩地影响作用，得到单因素最优参数。

数据分析模块通过分析、统计、归类和排序，可得出不同单因素参数对阶段性成绩的影响作用，得出单因素参数优化值，并反馈给训练者，系统根据籍贯、性别、年龄、身高、体重、训练项目对训练人群进行分类，每一类中，又分别根据饮食结构、训练时间段、训练时间、作息时间分为不同的子类，并按照阶段性成绩进行排序，经过分析对比，得出优化的单因素参数，根据训练者提供的基本参数，将适宜训练者的优化参数推介给训练者。

根据训练者a提供的基本参数：籍贯、性别、年龄、身高、体重及训练项目筛选出无显著差异人群m；在所述人群m中进一步筛选饮食结构、训练时间段、训练时间无显著差异人群，并按照阶段性成绩排序，可得到适合训练者a的作息时间优化参数值；在所述人群m中进一步筛选饮食结构、训练时间、作息时间无显著差异人群，并按照阶段性成绩排序，可得到适合训练者a的训练时间段优化参数值。类似分析方法可得到适合训练者a的饮食结构、训练时间的优化参数值。

根据训练者a提供的基本参数：性别、年龄、身高、体重及训练项目筛选出无显著差异人群n；在所述人群n中进一步筛选饮食结构、训练时间段、训练时间、作息时间无显著差异人群，并按照阶段性成绩排序，分析排序中籍贯的变化特点，可得出所述饮食结构、训练时间段、训练时间、作息时间更适合哪些区域体格特点的训练者。

进一步的，所述优化组合模块，可采用遗传算法优化参数组合，得出包括籍贯、爱好、饮食结构、训练时间段、训练强度、作息时间在内的多因素对不同年龄、不同身高体重、不同项目训练成绩地影响作用，得到多因素最优参数。

多因素参数优化过程包括以下步骤：

(1)首先将数据分析模块提供的训练者参数按照不同性别、年龄、体重、身高、训练项目参数值组合进行分组；

(2)每组中按比例选择阶段性成绩好的训练者参数数据组合，对所述参数数据进行适应性调整后作为初始值，采用遗传算法，通过编码、复制、交换、变异得到第一代综合项目训练参数数据组合；

(3)训练者通过优化组合模块自由选择第一代综合项目训练参数数据组合，按照参数数据组合进行训练，10-15天为一个训练周期；

(4)经过一个周期的训练后，测试训练项目各项成绩，并通过优化组合模块输入阶段性成绩；

(5)将同一组训练人群按照阶段性成绩降序排列，按比例选择阶段性成绩排序靠前部分参数组合作为下一代遗传算法的初始值，再次通过编码、复制、交换、变异、得出第二代训练参数数据组合；

(6)将第二代训练参数数据组合反馈给同组训练者进行下一轮训练，如此往复，每一代都会产生新的参数数据组合，每隔三代或四代，数据分析模块自动输出阶段性成绩参数排序最前的参数组合，作为综合项目训练优化训练方法之一，并通过互动推介模块推介给注册用户选择使用。

遗传算法的设计与实现：明确优化内容，确定要优化哪些参数对哪些综合训练项目的阶段性成绩的影响。再根据综合项目种类数，考察的参数种类及特点，采用多参数二进制编码方式，对各个参数进行编码，将各项参数组合在一起形成一定长度的染色体。

初始方案，优化组合模块根据数据分析模块提供的参数数据，设置特定参数对训练者人群进行分组，分组使得每组人群所述参数无显著性差异，每组按照阶段性成绩进行降序排列，选择其中一组(其他组优化方法同下)，按一定比例选取排列靠前的参训者，利用他们输入的各项训练参数组合，与训练项目种类参数一起作为初始方案，以各项目阶段性成绩总分作为适应度来评价参数组合的好坏。

复制，选择按照阶段性成绩进行降序排列靠前人群的训练参数组合进行复制。

选择配对与杂交，随机的从种群中选择2个个体比较,选择适应度大的个体。这样连续进行2次选择，产生了两个亲本。杂交是两个优秀亲本基因的遗传过程。对于要杂交的两个个体,随机地选择一个位,以该位为分界点互换两边的基因信息,得到了两个新的个体。设置杂交概率。

变异，变异是为了不使种群向单一的方向发展,保证种群的多样性。变异的概率不能太大,否则不利于收敛。设置变异概率,变异个体是随机选取的。

新代的产生，通过选择、复制、配对、杂交、变异后产生了新的种群。新的种群中必须包括上一代中的最优个体,否则算法的收敛会不稳定。由于新的种群是在旧的种群基础上择优进化的,因此,新的种群的适应度应该得到提高。

采用遗传算法，通过编码、复制、交换、变异得到第一代综合项目训练参数数据组合，并提供给优化组合模块，让参训者选择第一代综合项目训练参数数据组合进行训练，经过10-15天后，再次获得阶段性成绩参数，同上继续通过遗传算法优化，如此反复几次后，可得到优化的综合训练参数数据组合，在进行下一次遗传算法优化的同时将得到的综合训练参数数据组合中适应性最强的参数数据组合通过互动推介模块推介给综合项目训练者。

进一步的，所述互动推介模块，训练者根据自己需要，选择设置选定参数和比较参数，数据分析模块根据选定参数进行初步筛选，筛选出选定参数无显著差异的训练者人群，再将该人群按照阶段性成绩参数进行排序，分析对比所述比较参数随阶段性成绩的变化规律，可得出比较参数的优化值，为训练者提供参考依据。

互动推介模块，为训练者和系统互动提供途径，训练者如果要了解x参数对某个训练项目的影响作用，可以通过互动推介模块设置选定参数作为筛选条件(选定参数范围应包含除x参数外可能显著影响训练成绩的参数)，数据分析模块根据互动推介模块的设置信息，从数据库中筛选所述选定参数无显著差异的人群，将该人群按照阶段性成绩参数进行排序，再设定比较参数：x参数，分析所述比较参数x的变化规律，可以得出x参数相对于阶段性成绩参数的变化情况，得出x参数优化值，直接推介给训练者参考。

上述x参数分别设置为籍贯、爱好、训练时间段、训练时间、作息时间这些单因素时，可以分别得出籍贯、爱好、训练时间段、训练时间、作息时间对阶段性成绩的影响，得出单因素参数优化值。

进一步的，所述训练项目，可以包括一项或者多项，所述爱好项目可以是训练项目中的一项或者多项。

进一步的，所述当日项目训练内容，是指当日训练项目种类，所述当日项目训练时间段，是指不同项目训练的起止时间，所述当日项目训练时间，是指不同项目的训练时长，所述综合项目训练是指同时训练两种以上项目。

进一步的，所述信息输入辅助模块，可以通过高精度定位手环实现，所述高精度定位，可采用北斗/gps双模定位，所述高精度定位手环采集的每日行动轨迹和时间信息可以通过app反馈给注册用户。

进一步的，所述饮食结构输入方式分三种情况，一是输入每日荤素食物中蛋白质、脂肪、糖类百分比含量，二是分别输入每天食用的荤菜、素菜、米饭及面包等常见食物种类及重量，系统自动生成食物中蛋白质、脂肪、糖类百分含量，三是训练者在无法判断食物成分情况下，当日可不输入该项参数。

一些特殊情况下，训练者无法判断食物成分，当日可不输入该项参数，系统在统计该项参数时，自动忽略该日的饮食结构参数。

所述基本参数，其中年龄参数系统会自动更新，所在地区、身高、体重、训练项目和爱好项目参数发生改变时需训练者自己重新设置。

进一步的，所述互动推介模块，训练者可自行设置推介周期，系统根据注册用户参数信息，定期将适合该注册用户的优化训练方案推介给注册用户；所述个人信息基本参数输入模块、个人信息实时参数输入模块、阶段性成绩参数输入模块、信息输入辅助模块、优化组合模块和互动推介模块，其信息互动可通过手机app或电脑app实现。

一种基于大数据的体育训练指导方法，其特征在于，包括以下步骤：

(1)在一定区域实施所述体育训练指导系统；

(1.1)该区域的训练者通过手机或电脑下载安装app，并配发定位手环；

(1.2)训练者通过系统app界面输入基本信息，成为注册用户；

(1.3)设定推介周期；

(2)实时参数和阶段性成绩参数输入；

(2.1)注册用户每日通过系统app界面输入训练者项目训练实时参数；

(2.2)日常训练或比赛中，有记录成绩的项目，用户当日通过系统app界面输入对应的项目成绩；

(3)训练指导方法单因素优化参数获取，统计分析参与训练人员的各项基本参数、实时参数和成绩参数，经排序、比较和分析可得到影响阶段性成绩的单因素最优参数值；

(4)训练指导方法多因素优化参数组合获取，利用优化算法对综合项目训练的多参数组合进行优化；

(4.1)将训练者参数按照不同性别、年龄、体重、身高、训练项目参数值组合进行分组，以训练者提供的阶段性成绩参数作为适应度，每组分别进行遗传算法优化；

(4.2)按比例从一组中选择阶段性成绩好的训练者参数数据组合，对所述参数数据进行适应性调整后作为初始值；

(4.3)通过编码、复制、交换、变异得到第一代综合项目训练参数数据组合；

(4.4)训练者按照第一代综合项目训练参数数据组合进行训练，并在每个训练周期结束，输入各项目阶段性成绩参数；

(4.5)重复(4.2)、(4.3)得到下一代综合项目训练参数数据组合，重复3-4次后，得到所述综合项目训练多因素优化参数值，可继续回到(4.2)、(4.3)重复优化，得到更优组合；

(5)按照系统设定的推介周期，将分析得到的单因素最优参数值和多因素优化参数组合推介给注册用户；

(6)注册用户还可以通过系统app界面自由设置选定参数和比较参数，对比分析比较参数之间的关系，获取相应参数对训练的影响作用，实现用户和系统多方位互动。

本发明的有益效果如下：

本发明公开了一种基于大数据的体育训练指导系统和方法，采用训练者每日更新实时参数的方法不断丰富数据内容，将庞杂的获取数据过程分散给每个训练者，获取数据方式更直接、准确；

将训练者的籍贯、所在地区、性别、年龄、身高、体重、训练项目、爱好项目这些基本参数以及当日项目训练内容、当日项目训练时间段、当日项目训练时间、当日饮食结构、当日作息时间这些实时参数同时纳入大数据源中，统计更全面，可以分析包括籍贯、爱好、饮食结构、训练时间段、训练时间、作息时间在内的单因素及多因素对体育训练的影响，为训练服务，可用于整个实施区域体育训练者整体情况研究分析，对区域体育整体规划有重要的指导和参考意义；

通过信息输入辅助模块，使得训练者可以更准确回顾自己一天的轨迹和时间信息，帮助训练者回忆输入实时参数，使得数据源更准确可靠；

优化组合模块，可以将不同参数进行组合，结合训练者的阶段性成绩参数，通过遗传算法进行多因素参数优化，为综合训练者提供综合训练参数数据组合，指导训练者优化训练方法，其提供的综合训练参数组合，随着训练的进行，系统通过遗传算法持续对其优化，并持续的将更优化的参数组合提供给训练者；

互动推介模块，优先适用于单因素影响分析，通过设置选定参数和比较参数，可对比分析：适合地区人群体格特点的训练方法、个人爱好在体育训练中的影响作用以及作息时间对训练的影响，还可用于统计我国各区域人群的运动需求和爱好，对其他相关服务行业也有着重要的指导意义，互动推介模块还可以用于多因素影响分析，可作为遗传优化算法的补充；

互动推介模块使得广大体育爱好者可自由通过app互动，获得训练指导方式，更方便灵活；

本发明采集数据源途径简洁高效，不过多依赖摄像及图像分析等设备，具有很好的实际操作性，便于推广。

综上所述，本发明公开的一种基于大数据的体育训练指导系统和方法有益效果明显，具有很好的应用前景和推广价值。

附图说明

图1为一种基于大数据的体育训练指导系统的结构示意图。

具体实施方式

下面结合附图和实施例对本专利的技术方案作进一步说明。

实施例1

图1给出了一种基于大数据的体育训练指导系统的结构示意图，该系统主要包括：个人信息基本参数输入模块、个人信息实时参数输入模块、阶段性成绩参数输入模块、信息输入辅助模块、数据分析模块、优化组合模块及互动推介模块7个模块。

在m地区实施本发明体育训练指导系统，推广介绍该地区所有参与体育项目训练的运动员或者体育爱好者手机或者电脑下载安装该系统app软件，并为每人配发系统高精度定位手环装置，每位训练者在该app软件上通过个人信息基本参数输入模块输入基本参数成为注册用户，个人基本参数包括：籍贯，所在地区，性别，年龄，身高，体重，训练项目,爱好项目。

在互动推介模块设置推介周期为30天。

经过第一天训练后，借助信息输入辅助模块提供的轨迹和时间参数，通过个人信息实时参数输入模块输入当日实时参数，包括：当日项目训练内容、当日项目训练时间段、当日项目训练时间、当日饮食结构、当日作息时间。

随着训练天数的增加，训练者各项训练参数逐渐丰富，数据分析模块可对训练者提供的各项参数值进行筛选和排序分析，分别得出训练时间段、训练时间、训练内容、饮食结构及作息时间单因素对不同地区、不同人群、不同年龄、不同项目训练成绩地影响作用，得到单因素最优参数，并通过自动推介模块推介给适宜的训练者。

经过30天后，数据库内容随着每位训练者输入参数逐渐丰富，此时，注册用户可在app互动推介模块界面查看系统推介给自己的优化训练方案。

数据分析模块将采集的训练者参数传递给优化组合模块，作为遗传优化参数源。

优化组合模块，遗传算法的设计与实现，优化内容：优化训练时间段，项目训练时间，多因素在多项目训练中对阶段性成绩的影响作用。

采用多参数二进制编码方式，项目训练时间段从早上六点到晚上六点，12个小时，每20分钟一个时段，划分为36等分，时间段参数子串长度为6，项目训练时间按照3小时为上限，每10分钟一个时段，划分为18等分，时长参数子串长度为5，项目种类选择800米、100米、立定跳远、铅球四项，当每个项目每天只有一个训练时段时，参数子串按照800米、100米、立定跳远、铅球次序排列，则各项参数组合在一起形成长度l为44的染色体。当100米和立定跳远每天有两个训练时段时，则对应两个时间段和两个时长，其他两项每天仍只训练一个时间段，参数子串仍按照800米、100米、立定跳远、铅球次序排列，则各项参数组合在一起形成长度l为66的染色体。依次类推可以适应多种训练方式的编码。

初始方案，优化组合模块根据数据分析模块提供的参数数据，设置参数：性别、年龄、身高、体重、训练项目种类(同时训练800米、100米、立定跳远、铅球四项)进行分组，参数设置方式：其中年龄、身高、体重可设定为一个区间范围，训练内容为训练项目，当日训练时间为训练所述项目时长，可以设定为一时间区间范围。分组使得每组人群所述参数无显著性差异，每组按照阶段性成绩进行降序排列，选择其中一组(其他组优化方法同下)，选取排列靠前的1/2参训者，利用他们输入提供的训练项目种类、项目训练时间段和项目训练时间参数，对其中项目训练时间段和项目训练时间参数进行适应性调整，使之符合所述参数分段，与训练项目种类参数一起作为初始方案，以各项目阶段性成绩总分作为适应度来评价参数组合的好坏。

复制，选择按照阶段性成绩进行降序排列靠前的1/3人群的训练参数组合进行复制。

选择配对与杂交，随机的从种群中选择2个个体比较,选择适应度大的个体。这样连续进行2次选择，产生了两个亲本。杂交是两个优秀亲本基因的遗传过程。对于要杂交的两个个体,随机地选择一个位,以该位为分界点互换两边的基因信息,得到了两个新的个体。取杂交概率0.5。

变异，变异是为了不使种群向单一的方向发展,保证种群的多样性。变异的概率不能太大,否则不利于收敛。取变异概率0.05,也就是说有5％的位发生了逆变。变异个体是随机选取的。

新代的产生，通过选择、复制、配对、杂交、变异后产生了新的种群。新的种群中必须包括上一代中的最优个体,否则算法的收敛会不稳定。由于新的种群是在旧的种群基础上择优进化的,因此,新的种群的适应度应该得到提高。

采用遗传算法，通过编码、复制、交换、变异得到第一代综合项目训练参数数据组合，并提供给优化组合模块，让参训者选择第一代综合项目训练参数数据组合进行训练，经过10天后，再次获得阶段性成绩参数，同上继续通过遗传算法优化，如此反复4次后，得到第四代综合训练参数数据组合，进行第5次遗传算法优化的同时将第四代综合训练参数数据组合中适应性最强的参数数据组合通过互动推介模块推介给综合项目训练者；

系统实施期间，注册用户可以在个人信息基本参数输入模块输入新训练项目，系统会通过互动推介模块为新训项目提供优化的训练参数组合。

系统实施期间，新注册用户通过个人信息基本参数输入模块输入自己基本参数时，系统会自动分析，并即时通过互动推介模块推介给用户优化的训练参数组合。

系统实施期间，注册用户可以通过互动推介模块设置选定参数和比较参数，与系统实现互动，进行训练参数单因素影响分析，得到相应参数的影响作用。

实施例2

优化组合模块，遗传算法的设计与实现，优化内容：饮食结构对训练项目n的影响作用。

采用多参数二进制编码方式，饮食结构主要考察每日饮食中糖含量、蛋白质含量及脂肪含量三因素，其中糖含量范围取55％-95％，蛋白质含量范围取5％-15％，脂肪含量范围取4％-10％，每百分之一为一个段，所以糖含量分为40个段，糖含量参数子串长度为6，蛋白质含量分为10个段，蛋白含量参数子串长度为4，脂肪含量分为6个段，脂肪含量参数子串长度为3，饮食结构参数组合在一起形成长度l为13的染色体。

初始方案，优化组合模块根据数据分析模块提供的参数数据，设置参数：性别、年龄、身高、体重、训练项目n、训练项目n时间段、训练项目n时间进行分组，参数值设置方式同实施例1，分组使得每组人群所述参数无显著性差异，每组按照阶段性成绩进行降序排列，选择其中一组(其他组优化方法同下)，选取排列靠前的1/2参训者，利用他们输入提供的饮食结构：糖含量、蛋白质含量及脂肪含量参数，对参数数据进行适应性调整使之符合所述参数分段，作为初始方案，以该项目阶段性成绩作为适应度来评价参数组合的好坏。

复制，选择按照阶段性成绩进行降序排列靠前的1/3人群的训练参数组合进行复制。

选择配对与杂交，随机的从种群中选择2个个体比较,选择适应度大的个体。这样连续进行2次选择，产生了两个亲本。杂交是两个优秀亲本基因的遗传过程。对于要杂交的两个个体,随机地选择一个位,以该位为分界点互换两边的基因信息,这样得到了两个新的个体。取杂交概率0.5。

变异，变异是为了不使种群向单一的方向发展,保证种群的多样性。变异的概率不能太大,否则不利于收敛。取变异概率0.05,也就是说有5％的位发生了逆变。变异个体是随机选取的。

新代的产生，通过选择、复制、配对、杂交、变异后产生了新的种群。新的种群中必须包括上一代中的最优个体,否则算法的收敛会不稳定。由于新的种群是在旧的种群基础上择优进化的,因此,新的种群的适应度应该得到提高。

采用遗传算法，通过编码、复制、交换、变异得到第一代饮食结构参数数据组合，并提供给优化组合模块，让参训者选择第一代综合项目训练参数数据组合进行训练，经过15天后，再次获得阶段性成绩参数，同上继续通过遗传算法优化，如此反复4次后，得到第四代饮食结构参数数据组合，进行第5次遗传算法优化的同时将第四代饮食结构参数数据组合中适应性最强的饮食结构参数数据组合通过互动推介模块推介给训练者。

实施例3

单因素影响分析：了解作息时间对某训练项目的影响作用，可以通过互动推介模块设置选定参数作为筛选条件(筛选参数范围应包含除作息时间外可能显著影响训练成绩的参数)，选定参数为：性别a，年龄b，身高c，体重d，训练项目e，当日训练内容e，当日训练时间f，参数值根据自身需要设定，其中年龄、身高、体重可设定为一个区间范围，训练内容为训练项目，当日训练时间为训练所述项目时长，可以设定为一时间区间范围，数据分析模块接收互动推介模块的设置信息，从数据库中筛选所述选定参数无显著差异的人群，将该人群按照阶段性成绩参数进行排序，再设定比较参数：作息时间参数(比较参数设定为一个参数时，系统默认其与阶段性成绩进行比较，比较参数设定为两个参数时，系统进行两个参数之间进行比较)，分析所述比较参数的变化规律，可以得出作息时间相对于阶段性成绩参数的变化情况，得出作息时间优化值，直接推介给训练者参考。

实施例4

单因素影响分析：了解不同地区训练者体格特点(籍贯)对某训练项目的影响作用，可以通过互动推介模块，设置选定参数作为筛选条件(选定参数范围应包含除地区外其他有可能显著影响训练成绩的参数)，选定参数为：性别a，年龄b，身高c，体重d，训练项目e，当日训练内容e，当日训练时间f，根据自身需要设定参数值，设定方法同实施例3，数据分析模块接收互动推介模块的设置信息，从数据库中筛选所述选定参数无显著差异的人群，将该人群按照阶段性成绩参数进行排序，再设定比较参数：籍贯参数，分析所述比较参数的变化规律，得出籍贯相对于阶段性成绩参数的变化情况，从而得出适合某一地区体质特点的优化训练方法，直接推介给训练者参考。

实施例5

单因素影响分析：了解爱好对某训练项目的影响作用，可以通过互动推介模块，设置选定参数作为筛选条件(选定参数范围应包含可能显著影响训练成绩的参数)，选定参数为：性别a，年龄b，身高c，体重d，训练项目e，当日训练内容e，当日训练时间f，参数值根据自身需要设定，设定方法同实施例3，数据分析模块接收互动推介模块的设置信息，从数据库中筛选所述选定参数无显著差异的人群，将该人群按照阶段性成绩参数进行排序，再设定比较参数：爱好项目参数，统计分析所述人群中爱好项目e的训练者阶段性成绩，同时统计分析所述人群中非爱好项目e的训练者阶段性成绩，分析对比二者阶段性成绩，可以了解爱好对项目训练成绩的影响情况。

实施例6

在互动推介模块通过单因素影响对比分析寻找多因素优化方法：如果要了解同时训练多种项目的运动员，如何合理控制每种项目训练时间段及训练时间，也可以通过互动推介模块实现。

先设置选定参数作为筛选条件(选定参数范围应包含除训练时间和训练时间段外其他有可能显著影响训练成绩的参数)，选定参数为：性别a，年龄b，身高c，体重d，训练项目e、f、g，当日训练内容e、f、g，参数值根据自身需要设定，设定方法同实施例3，数据分析模块接收互动推介模块的设置信息，从数据库中筛选所述选定参数无显著差异的人群。

再设定六组比较参数，第一组为：当日e项目训练时间段和e项目阶段性成绩，第二组为：当日e项目训练时间和e项目阶段性成绩，第三组为：当日f项目训练时间段和f项目阶段性成绩，第四组为：当日f项目训练时间和f项目阶段性成绩,第五组为：当日g项目训练时间段和g项目阶段性成绩,第六组为：当日g项目训练时间和g项目阶段性成绩。

通过上述六组比较分析，可以得出同时训练e、f、g项目的训练者，分别在一天当中什么时间段训练什么项目，训练多长时间可以获得较好的阶段性成绩，并将优化的参数组合通过互动推介模块提供给训练者，该方法可以直接满足训练者互动需求，也可以作为上述遗传算法优化方式的补充。

此外，应当理解，上述实施例只是阐述了部分分析方法，本发明包含更多的选定参数和比较参数方法，可以实现更多有意义的分析结果，并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。