职业足球运动员主观疲劳的预测：一种基于数据的方法，用于优化比赛训练方案

《Research Quarterly for Exercise and Sport》：Prediction of Subjective Fatigue in Professional Soccer Players: A Data-Driven Method to Optimize Training Approach to the Match

足球运动员每日和比赛日疲劳预测研究采用六个意大利职业球队赛季数据，通过四个机器学习模型（决策树、XGBoost、随机森林、逻辑回归）分析疲劳影响因素。结果显示模型准确率70-82%，其中压力、情绪对比赛日疲劳影响最大，训练负荷通过情绪和肌肉酸痛的中介效应起作用。

　　

摘要

在足球运动中，预测球员在训练或比赛前瞬间感受到的疲劳程度有助于制定训练计划并优化比赛表现。本研究旨在利用大数据分析框架，识别六支意大利职业足球队在比赛赛季中日常疲劳和比赛日疲劳的最重要预测因素。每天早晨，球员会对自身的疲劳感、睡眠质量、肌肉酸痛、压力和情绪进行评估。每次训练或比赛结束后，会记录球员的主观努力程度（Perceived Exertion），并将其乘以训练时间来计算训练负荷（Training Load，简称TL）。研究使用了四种机器学习模型（决策树分类器、XGBoost分类器、随机森林分类器和逻辑回归模型），通过对30,211个数据样本（涵盖六支球队的一个完整赛季）进行训练和测试，来评估这些模型预测球员比赛日疲劳的能力。结果表明，这些模型能够准确预测球员的主观疲劳程度（准确率范围为70%至82%）。具体而言，在预测比赛日疲劳时，前一天的压力和情绪是影响最大的因素。中介分析揭示了比赛前一天训练负荷与比赛日疲劳感知之间的关系，这种关系还受到情绪和肌肉酸痛的调节作用。体育科学家和教练可以利用这一框架来模拟不同训练计划的效果，从而提高球员的比赛状态，并在实际场景中减轻因比赛日疲劳可能导致的表现下滑。