МОДЕЛЮВАННЯ ТЕХНІЧНИХ ДІЙ ЛЕГКОАТЛЕТІВ, ЯКІ СПЕЦІАЛІЗУЮТЬСЯ В СПОРТИВНІЙ ХОДЬБІ, У СИСТЕМІ БАГАТОРІЧНОЇ ПІДГОТОВКИ
DOI:
https://doi.org/10.32782/spectrum/2024-1-2Ключові слова:
біомеханічні характеристики, технічна підготовка, спортивна ходьба, система багаторічного удосконалення, нейронні мережі, моделюванняАнотація
Одним із пріоритетних напрямів оптимізації процесу технічної підготовки легкоатлетів, які спеціалізуються в спортивній ходьбі, у системі багаторічного вдосконалення є створення чітких критеріїв для вдосконалення технічних дій атлетів із використанням сучасних технологій моделювання. Сьогодні серед найбільш прогресивних технологій моделювання, що використовуються в спорті й легкій атлетиці зокрема, є нейронні мережі. Мета дослідження – удосконалення технічної підготовки легкоатлетів, які спеціалізуються в спортивній ходьбі, на основі комп’ютерного моделювання технічних дій атлетів у системі багаторічної підготовки з використанням штучних нейронних мереж. Методи. Аналіз науково-методичної літератури, відеозйомка з біомеханічним аналізом рухових дій спортсменів, моделювання й методи математичної статистики. Результати. Проаналізовано інформативні антропометричні та біомеханічні характеристики техніки легкоатлетів, які спеціалізуються в спортивній ходьбі, на етапах першої та другої стадій багаторічної підготовки. Біомеханічний аналіз технічних дій здійснено на основі даних відеозйомки чемпіонатів України зі спортивної ходьби 2014–2021 рр. у різних вікових групах на етапах першої та другої стадій багаторічної підготовки в чоловіків на дистанціях 3, 10 і 20 км і в жінок на дистанціях 2, 10 і 20 км. Кількість досліджуваних спортсменів – 181: чоловіків – 98, із них на дистанції 3 км – 31, 10 км – 36, 20 км – 31; жінок – 83, з них на дистанції 2 км – 20, 10 км – 32, 20 км – 31. На цій основі створено модель технічних дій легкоатлетів, які спеціалізуються в спортивній ходьбі, у системі багаторічної підготовки з використанням штучних нейронних мереж. Подано алгоритм моделювання, який дає змогу моделювати й прогнозувати рівень спортивного результату на всіх рівнях (узагальненому, груповому й індивідуальному) залежно від статі в системі багаторічної підготовки. Розроблено багатофункціональні біомеханічні моделі техніки легкоатлетів, які спеціалізуються в спортивній ходьбі, у системі багаторічної підготовки.
Посилання
Бобровник В.И. Совершенствование технического мастерства спортсменов высокой квалификации в легкоатлетических соревновательных прыжках : монография. Киев : Науковий світ, 2005. 322 с.
Бобровник В., Совенко С. Удосконалення технічних дій легкоатлетів, які спеціалізуються у спортивній ходьбі, у системі багаторічної підготовки. Теорія і методика фізичного виховання і спорту. 2023. № 2. С. 3–15. DOI: 10.32652/tmfvs.2023.2.3-15.
Платонов В.Н. Система подготовки спортсменов в олимпийском спорте. Общая теория и ее практические приложения : учебник для тренеров : в 2 кн. Киев : Олимпийская лит., 2015. Кн. 1. 680 с ; Кн. 2. 752 с.
Біомеханіка спорту : підручник / О.Ю. Рибак, Л.І. Рибак, Б.А. Виноградський та ін. Львів : ЛДУФК ім. Івана Боберського, 2021. 268 с.
Совенко С. Технико-тактические особенности преодоления дистанции в спортивной ходьбе. Наука в олимпийском спорте. 2020. № 1. С. 81–90.
Субботін С.О. Нейронні мережі: теорія і практика : навчальний посібник. Житомир : Вид. О.О. Євенок, 2020. 184 с.
Уоссермен Ф. Нейро-компьютерная техника: Теория и практика / пер. с англ. Ю.А. Зуев, В.А. Точенов. Киев, 1992. 184 с.
Хуртик Д.В. Удосконалення технічних дій висококваліфікованих лижників з порушенням слуху на основі комп’ютерного моделювання : дисертація. Київ : НУФВСУ, 2018. 192 с.
Хуртик Д., Хмельницкая И., Смирнова З. Моделирование технических действий лыжников-гонщиков высокой квалификации. Наука в олимпийском спорте. 2019. № 2. С. 55–62. DOI: 10.32652/olympic2019.2_6.
Шестаков М.П. Управление технической подготовкой в легкой атлетике на основе компьютерного моделирования. Наука в олимпийском спорте. 2005. № 2. С. 187–196.
Hanley B., Bissas A., Drake A. Kinematic characteristics of elite men’s 50 km race walking. European Journal of Sport Science. 2013. № 13 (3). Р. 272–279. DOI: 10.1080/17461391.2011.630104.
Hanley B., Bissas A., Drake A. Technical characteristics of elite junior men and women race walkers. The Journal of sports medicine and physical fitness. 2014. № 54 (6). Р. 700–707.
Hoga-Miura K., Hirokawa R., Sugita M. A three-dimensional kinematic analysis of walking speed on world elite women’s 20-km walking races using an inverted pendulum model. Gazzetta Medica Italiana Archivio per le Scienze Mediche. 2020. № 179 (1–2). Р. 29–38. DOI: 10.23736/S0393-3660.18.04009-3.
Kinetic analysis of the function of the upper body for elite race walkers during official men 20 km walking race / K. Hoga-Miura et al. Journal of Sports Medicine and Physical Fitness. 2016. № 56 (10). Р. 1147–1155.
Neural network modelling of diagonal stride technique of highly qualified skiers with hearing impairments / Y. Imas et al. Journal of Physical Education and Sport. 2018. № 18. Supplement issue 2. Art 181. Р. 1217–1222. DOI: 10.7752/jpes.2018.s2181.
Maurer Harald. Cognitive science: integrative synchronization mechanisms in cognitive neuroarchitectures of the modern connectionism. CRC Press, 2021. 400 p. DOI: 10.1201/9781351043526.
Race Walking Ground Reaction Forces at Increasing Speeds: A Comparison with Walking and Running / G. Pavei et al. Symmetry-Basel. 2019. № 11 (7). 11 p. DOI: 10.3390/sym11070873.
Sovenko S. Technique characteristics of 13–15-year-old female athletes specializing in race walking at the stage of preliminary basic preparation. Journal of Physical Education and Sport. 2022. № 22 (1). Р. 85–90. DOI: 10.7752/jpes.2022.01010.
Tucker C.B., Hanley B. Increases in speed do not change gait symmetry or variability in world-class race walkers. Journal of Sports Sciences. 2020. № 38 (24). Р. 2758–2764. DOI: 10.1080/02640414.2020.1798730.
Vinogradova O.A., Sovenko S.P. Improving technical fitness of race walkers on the basis of special exercises to focus on key parameters of movements. Pedagogics, psychology, medicalbiological problems of physical training and sports. 2020. № 24 (2). Р. 100–105. DOI: 10.15561/26649837.2020.0208.
Wang J. Analysis of Sports Performance Prediction Model Based on GA-BP Neural Network Algorithm. Computational Intelligence and Neuroscience. 2021; Special Issue. Neural Network-Based Machine Learning in Data Mining for Big Data Systems. 12 p. DOI: 10.1155/2021/4091821.
