[发明专利]学生体质健康促进个性化运动处方推荐方法

说明书

本发明提供了一种学生体质健康促进个性化运动处方推荐方法，包括：采集学生体质健康数据，建立对应的学生体质健康得分矩阵；定义运动目标并根据所述学生体质健康数据，建立体质健康与运动目标映射矩阵；定义运动项目并采集学生体育行为数据；根据所述运动项目和所述运动目标，建立运动项目与运动目标映射矩阵；根据学生体育行为数据，计算各运动项目的贡献度；确定运动目标并计算对应的运动项目推荐度；依据运动处方策略，制定面向学生个体的个性化运动处方。本发明将学生群体不同运动项目与不同运动目标的历史经验组合数据，有针对性地推荐个性化运动处方。

技术领域

本发明涉及生命科学中的运动与健康促进技术，具体地，涉及一种学生体质健康促进个性化运动处方推荐方法。

背景技术

当前，我国学生体质与健康状况亟待改善。已有大量研究表明，通过制定并实施运动处方，科学指导学生参加体育运动，提高身体活动量，可有效地促进群体体质健康水平，但学生个体的体质健康水平差异，导致传统面向群体的运动处方推荐及应用常会出现个体无有效应答现象，即未显示出有效的改善效果。因此，对学生个体采取个性化运动处方推荐是非常有必要的。

运动处方是根据每一个人的身体活动水平、健康状况进行运动风险评价，之后在体质测试的基础上制定的运动指导方案。随着信息技术的发展，运动处方推荐算法的研究与应用也逐渐兴起。精准、高效的个性化运动处方才能做到“运动药”的精准化，才能够更好地让学生进行自我健康的体质管理。当前运动处方推荐算法主要分为两类：1.基于产生式规则正向推理机制的运动推荐算法：即通过对大量运动专家咨询和运动处方文献资料的基础上，整理生成大量产生式规则，其原理是根据用户的原始数据，正向推理从第一条规则开始，逐步验证前提。若某一规则的所有前提均成立，则此条规则的结论即被证实。算法会根据此结点结论得到结果或跳转至下一条规则继续进行验证；若某一前提不成立，则会中断此条推理路径，转至下一条规则继续验证其前提，直至得到最后结果。其弊端在于在整个过程中，人机交互是必须的，效率较低。2.基于可穿戴设备和神经网络的运动处方推荐算法：即通过采集静息心率、运动时平均心率和最大心率、开始时间、总运动时间、有效运动时间、运动类型、年龄、身高、体重等大量运动数据和生命体征数据基础上，通过构建神经网络予以训练，从而形成运动处方推荐。虽然具有较高的精度和高效性，但其缺点是前期需要通过可穿戴设备采集大量的数据，不适用于学生人群，且推理过程缺乏可解释性。

2003年1月期刊文献“体育科学”第75页公开了“基于专家系统的体育运动处方网站的研究”，所述文献本质是基于产生式规则正向推理机制的算法，即通过对大量运动专家咨询和运动处方文献资料的基础上，整理生成大量产生式规则，其原理是根据用户的原始数据，正向推理从第一条规则开始至规则推理结束，逐步验证前提。

但是2003年1月期刊文献“体育科学”在整个过程中，人机交互是必须的，效率较低。

2021年2月期刊文献“Applied Science”公开了“An AI-Based ExercisePrescription Recommendation System”所述文献本质是可穿戴设备和神经网络的算法：即通过采集静息心率、运动时平均心率和最大心率、开始时间、总运动时间、有效运动时间、运动类型、年龄、身高、体重等大量运动数据和生命体征数据基础上，通过构建神经网络予以训练，从而形成运动处方推荐。

但是2021年2月期刊文献“Applied Science”前期需要通过可穿戴设备采集大量的数据，不适用于学生人群，且推理过程缺乏可解释性。