基于分位数随机森林和可解释AI技术的顶级跳远成绩特征影响分析

生物力学特征已成为评估运动员技术的重要指标。传统上，专家提出重要特征并使用物理方程对其进行评估。然而，人体及其运动的复杂性使得明确分析某些特征与运动员最终成绩之间的关系变得具有挑战性。随着现代机器学习和统计学的进步，数据分析方法在体育分析中获得了日益增长的重要性。在本研究中，我们利用机器学习模型来分析专家提出的、来自世界锦标赛跳远决赛的生物力学特征。分析的目标包括识别对顶尖跳跃成绩贡献最大的特征，并探索这些关键特征的组合效应。使用分位数回归，我们对生物力学特征集与目标变量（有效距离）之间的关系进行建模，特别关注精英级别的跳跃。为了解释模型，我们应用了 SHapley Additive exPlanations (SHAP) 以及 Partial Dependence Plots (PDPs) 和 Individual Conditional Expectation (ICE) 图。研究结果表明，除了已充分记录的速度相关特征外，特定的技术方面也起着关键作用。对于男性运动员，起跳前支撑腿膝关节角度被识别为在我们的数据集中实现前 10% 成绩的关键因素，大于 169° 的角度对跳跃成绩有显著贡献。相比之下，对于女性运动员，落地姿势和助跑技术成为影响前 10% 成绩的最关键特征，与速度并列。本研究建立了一个分析各种特征对运动成绩影响的框架，特别强调顶尖表现事件。