Прогностическая модель рассчитает уровень анаэробного порога у спортсменов

Российские ученые разработали модель машинного обучения, которая позволит с высокой точностью рассчитывать анаэробный порог для каждого спортсмена. Это важный показатель, отражающий состояние физической подготовки. Новая разработка позволит улучшить качество тренировочного процесса. Исследование опубликовано в журнале Biomedical Signal Processing and Control.Анаэробный порог (лактатный порог) — это наиболее высокий уровень интенсивности, который человек способен выдерживать в течение длительного времени без того, чтобы в крови начал повышаться процент лактата. Когда его показатель становится выше нормы, начинается процесс окисления мышц. Это приводит к усталости и снижает общее состояние организма.Спортсменам важно не только знать свой анаэробный порог, но и постоянно повышать его, чтобы улучшать выносливость. Однако на точное определение порога влияет множество факторов — физиологические особенности каждого спортсмена, система тренировок и т. д. Поэтому точно выяснить анаэробный порог спортсмена довольно сложно. Именно поэтому специалисты ищут новые способы, которые позволят эффективно его определять.Ученые их СПбГЭТУ «ЛЭТИ» собрали данные (насыщение крови кислородом, частота сердечных сокращений и т. д.) с помощью специальных датчиков, закрепленных на спортсменах. Те занимались на специальных установках, имитирующих тренировочный процесс и состояние организма при достижении анаэробного порога. Для сбора данных было проведено более 1,2 тысячи наблюдений.Полученные результаты ученые использовали, чтобы обучить прогностическую модель. Ученые применили четыре различных способа машинного обучения, чтобы достичь наиболее высокого результата. Новая модель способна определять физиологические показатели, препятствующие повышению анаэробного порога. Для этого ученые использовали специальный пояснительный алгоритм LIME (Local Interpretable Model-Agnostic Explanations).«Разработанная модель определения анаэробного порога позволяет выявлять закономерности, влияющие на результат теста, и, как следствие, прогнозировать ход тренировочного процесса, чтобы спортсмен действовал эффективно без недоработок или переработок и выходил на соревнования на пике формы», — заключает Дмитрий Каплун, доцент кафедры автоматики и процессов управления СПбГЭТУ «ЛЭТИ».Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Facebook и Twitter.