基于人工神经网络和摄氧量动力学的身体活动能量消耗预测

作者：杨俊超; 卢智慧; 燕书婷; 衣龙燕; 陶宽^*

来源：北京体育大学学报, 2023, 46(11): 18-27.

DOI：10.19582/j.cnki.11-3785/g8.2023.11.002

• BP神经网络
• 摄氧量
• 能量消耗
• 心率
• 呼吸频率

目的：基于人工神经网络和摄氧量动力学，以心率（heart rate,HR）和呼吸频率（breathing frequency,BF）为自变量建立准确的身体活动能量消耗（physical activity energy expenditure,PAEE）预测模型。方法：招募24名健康大学生（年龄22.2岁±2.0岁，身高174 cm±9 cm，体重67.1 kg±12.4 kg），参加3次运动测试，包括递增负荷运动、恒定负荷运动（40%和70%■）和4种身体活动（6.4 km/h步行、体感游戏、负重行走、上下楼梯）。采集运动中HR、BF和摄氧量（■），并建立PAEE预测的BP神经网络模型。采用Bland-Altman散点图对模型预测的准确性进行分析，并计算了平均绝对误差（mean absolute error,MAE）和平均绝对百分比误差（mean absolute percentage error,MAPE）以评估模型预测的误差。结果：建立的模型在步行活动中，模型预测的■(18.50±1.19 mL/kg/min)与观测值（18.34±1.44 mL/kg/min）接近，MAE=1.31 mL/kg/min,MAPE仅为7.32%。在体感游戏中，模型预测（19.31±1.22 mL/kg/min）与观测值（17.81±2.44 mL/kg/min）存在较大差异，其MAPE仍然控制在13.04%。对于负重行走和上下楼梯，MAPE分别为14.21%和11.12%。Bland-Altman分析结果显示系统偏差为0.106 8 mL/kg/min，表示预测■略高于标准■。结论：基于摄氧量动力学构建的BP神经网络模型可以较为准确地预测PAEE，展示了HR联合BF在预测PAEE方面的潜力。

• 单位
  北京体育大学