基于MLP和LSTM多因素网球比赛中动量波动胜负趋势模型研究

摘要

通过深入分析部分温布尔登网球公开赛男子组决赛的比赛数据，探讨网球比赛中势头变化的现象，并创建了一套新的综合胜率指标和发球方优势指标，利用这些指标构建势头模型，预测比赛的胜负并制定更科学合理的战术和训练策略。首先，对数据进行处理并对特征进行筛选和创建，构建Momentum模型评价指标体系；然后，通过分析比赛中的波动与连续成功之间的关系，发现相关性显著；最后，综合考虑多方面因素，提出一种基于多层感知机模型与长短期记忆网络的组合预测模型，结合多层感知机（multilayer perceptron,MLP）的特征学习能力强与长短期记忆网络（long short-term memory,LSTM）预测精度高的优点，对比赛波动趋势进行高效精准预测，构建M-LSTM模型预测比赛动态变化和胜负趋势，并使用Shap值方法可视化特征重要性，结果显示模型可以很好捕捉比赛的大体趋势，预测最终结果，对相关科学研究和网球运动的发展具有重要的参考意义。

关键词

网球运动 / 深度学习 / 综合胜率指标 / M-LSTM模型 / Shap值