基于主成分分析和小波神经网络预测跑步中垂直地面反作用力

作者：王冬梅; 郭文霞; 袁书芳; 潘嘉慧; 郝卫亚^*

来源：医用生物力学, 2022, 37(04): 706-712.

DOI：10.16156/j.1004-7220.2022.04.020

• 垂直地面反作用力
• 小波神经网络
• 主成分分析
• 跑台
• 后足着地

目的 建立基于主成分分析(principal component analysis, PCA)和小波神经网络模型(wavelet neural network, WNN)预测跑台上人体所受垂直地面反作用力(vertical ground reaction force, vGRF)的方法。方法 选取9名后足跑者在跑台上以12、14与16 km/h速度跑步，通过红外运动捕捉系统和测力跑台同步采集运动学数据与vGRF。以Morlet函数作为激活函数并构建3层神经网络，将大腿、小腿与足的环节质心速度与髋、膝与踝关节的关节角度输入到模型。使用重相关系数(coefficient of multiple correlation, CMC)以及误差值评价预测模型的准确性，使用Bland-Altman方法分析vGRF预测峰值与测量峰值间一致性。结果 不同速度下vGRF预测曲线与测量曲线间CMC>0.99,预测值与测量值间均方根误差(root mean squared error, RMSE)为0.18～0.28 BW,标准均方根误差(normalized root mean squared error, NRMSE)为6.20%～8.42%。不同速度下冲击力与推进力峰值NRMSE<15%。Bland-Altman结果显示，12 km/h推进力峰值的预测误差以及14 km/h冲击力和推进力峰值的预测误差在95%一致性区间。结论 构建的PCA-WNN模型可准确预测出跑台跑步时人体所受vGRF。研究结果为在跑台上获得动力学数据和实时监测提供新途径，对研究跑步损伤及康复治疗有较大意义。

• 单位
  国家体育总局体育科学研究所; 北京体育大学