CN116825351A - 一种基于ewm-topsis的不同运动方式对健康影响的评价方法 - Google Patents
一种基于ewm-topsis的不同运动方式对健康影响的评价方法 Download PDFInfo
- Publication number
- CN116825351A CN116825351A CN202310768959.9A CN202310768959A CN116825351A CN 116825351 A CN116825351 A CN 116825351A CN 202310768959 A CN202310768959 A CN 202310768959A CN 116825351 A CN116825351 A CN 116825351A
- Authority
- CN
- China
- Prior art keywords
- health
- index
- exercise
- matrix
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000011156 evaluation Methods 0.000 claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims description 40
- 230000008821 health effect Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 201000010099 disease Diseases 0.000 claims description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000012854 evaluation process Methods 0.000 abstract description 2
- 206010020772 Hypertension Diseases 0.000 description 6
- 239000008280 blood Substances 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 5
- 208000031226 Hyperlipidaemia Diseases 0.000 description 4
- 201000001421 hyperglycemia Diseases 0.000 description 4
- 201000001431 Hyperuricemia Diseases 0.000 description 3
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 3
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 229940116269 uric acid Drugs 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 150000002632 lipids Chemical class 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000002929 anti-fatigue Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000037182 bone density Effects 0.000 description 1
- 230000002612 cardiopulmonary effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007407 health benefit Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于EWM‑TOPSIS的不同运动方式对健康影响的评价方法,属于健康评估领域;本发明首先在TOPSIS的基础上,结合熵权法(EWM)赋予TOPSIS各项参数权重,并在此基础上构建了适用于不同运动方式对健康影响评价的方法,本发明方法简单明了,是一种客观赋权法,充分利用数据本身的信息确定权重,避免了在评价过程中人为权重设定产生主观性,相对主观赋权具有较高的可信度和精确度,在现实中有很强的需求和应用价值。
Description
技术领域
本发明属于健康评估技术领域,具体涉及一种基于EWM-TOPSIS的不同运动方式对健康影响的评估方法。
背景技术
适当的运动可以改善人类健康状况,减少疾病发病率,不同类型的运动可以对人体产生不同的影响。例如,有氧运动可以提高人体氧气摄取量,加强心肺功能;力量训练可以增加骨骼密度和肌肉质量,改善身体的耐力和抗疲劳能力;伸展运动有利于缓解身体各部分的紧张和僵硬状态。根据个体情况,选择适合自己的运动方案,不仅可以预防疾病,还可以提升整体生活素质。因此,对运动方式与健康影响指标进行建模分析备受关注且具有重要的现实意义。
现有的运动方式对健康影响的评估方法主要有NOS分析、AHP-TOPSIS等方法,都是主观赋权法,在评价过程中人为权重设定产生主观性,对评估的可信度和精确度会有一定影响。
发明内容
本发明提出了一种基于EWM-TOPSIS的不同运动方式对健康影响的评价方法,可以根据不同的健康评价标准针对性的给出合理的运动方案的建议。
为了实现上述目的,本发明采用以下技术方案:
一种基于EWM-TOPSIS的不同运动方式对健康影响的评价方法,包括以下步骤:
(1)选取运动类型与健康评价指标;
(2)构建运动类型与健康评价指标之间的特征矩阵,并根据指标类型进行矩阵正向化处理,将正向化特征矩阵标准化;
(3)利用EWM法得到健康评价指标的权重;
(4)利用EWM法得到的权重对特征矩阵标准化后的矩阵进行加权,利用TOPSIS法计算不同运动对健康的影响评分;
(5)根据步骤(4)得到的评分对运动类型与健康影响进行分析。
以上所述步骤中,步骤(2)的具体过程如下:
假设有n个要进行评价的运动方式对象,m个健康评价指标,将所有的指标进行正向化处理,得到正向化矩阵如下:
式中:ynm表示第n个运动方式对应的第m个健康指标的值;
对矩阵Y进行标准化后得到新的矩阵记为Z:
式中:ynm表示第n个运动方式对应的第m个健康指标的值,znm表示第n个运动方式对应的第m个健康指标的规范值;
步骤(3)的具体过程如下:
在i行,j列的标准化的矩阵Z基础上计算概率矩阵P,P中的每一个元素pij如下:
式中:pij表示第i个运动方式对应的第j个健康指标的值,zij表示第i个运动方式对应的第j个健康指标的规范值;
计算每个指标的信息熵,并计算信息效用值,并归一化得到每个指标的熵权:对第j个指标而言,其信息熵的计算公式为:
式中:ej表示第j个健康指标的信息熵,pij表示第i个运动方式对应的第j个健康指标的值;
定义信息效用值dj,公式如下:
dj=1-ej (6)
将信息效用值归一化,得到每个指标的熵权:
步骤(4)的具体过程如下:
根据求解得到的指标因子的熵权对公式(3)得到标准化矩阵进行加权得到矩阵C:
基于矩阵C求解各方案的评分,过程如下所示:
首先确定正理想解C+和负理想的解C-:
定义第i(i=1,2,…,n)个评价对象与最大值的距离为:
其中,分别是第j个评价指标的最大值,zij表示第i个运动方式对应的第j个健康指标的数值;
定义第i(i=1,2,…,n)个评价对象与最小值的距离为:
其中,分别是第j个评价指标的最小值,zij表示第i个运动方式对应的第j个健康指标的数值。
利用这些中间参数计算出第i(i=1,2,…,n)个评价对象的评价得分:
步骤(5)的具体过程如下:
公式(13)可被用来描述不同运动类型与健康评估指标之间的关联程度,得分越高表示该运动类型对提升健康效益的作用越显著;据此可以推理出不同运动类型对健康评价指标的影响程度,并且根据此可以根据健康状况为人们提供个性化运动建议,以更好地改善病患病情。
有益效果:本发明提供了一种基于EWM-TOPSIS的不同运动方式对健康影响的评价方法,该方法结合了TOPSIS和EWM方法,并赋予了各项参数权重,使其适用于不同的运动方式,通过该方法可以获得不同运动方式与健康评价指标之间的定量关系,得分越高则该运动方式对健康的影响越好;此外该方法还可以建立不同运动方式对健康影响的模型,以获得不同运动类型对健康评价指标的影响;可以通过不同的健康评价标准,给出合理的运动方案建议,本发明方法与现有技术中的方法相比,方法简单明了,是一种客观赋权法,充分利用数据本身的信息确定权重,避免了在评价过程中人为权重设定产生主观性,相对主观赋权具有较高的可信度和精确度,在现实中有很强的需求和应用价值。
附图说明
图1是本发明实施例中基于EWM-TOPSIS的不同运动方式对健康影响的评价方法流程示意图。
具体实施方式
下面将结合附图与具体实施例对本发明进行详细说明:
如图1所示,一种基于EWM-TOPSIS的不同运动方式对健康影响的评价方法,包括以下步骤:
步骤(1)选取运动类型与健康评价指标:
以瑜伽、广场舞、慢跑、不运动四种类型为例,为了说明该四种运动方式对健康的影响,选取某小区为实验对象,首先统计该小区中平时主要进行瑜伽、广场舞、慢跑、不运动四种运动的人数Numk(k=1,2,…,4),显然当从事某种运动的人群中患某种疾病的人数越少时,可以认为该运动类型对于该疾病的治疗是越有效的,因此再分别统计瑜伽、广场舞、慢跑、不运动人群中高血压人数、高血脂人数、高血糖人数、高尿酸人数利用公式(1)可以获得高血压人数百分比、高血脂人数百分比、高血糖人数百分比、高尿酸人数百分比:
其中,表示在第k种运动中,患得第l种病的人数百分比,Numk表示第l种运动的总人数,/>表示在第k种运动中,患得第l种病的人数;
选用瑜伽、广场舞、慢跑、不运动四种类型,各个群体中高血压人数百分比、高血脂人数百分比、高血糖人数百分比、高尿酸人数百分比为健康评价指标;
表1运动类型与健康指标表
步骤(2)构建运动类型与健康评价指标之间的特征矩阵,并根据指标类型进行矩阵正向化处理,将正向化特征矩阵标准化;对于瑜伽、广场舞、慢跑、不运动四类运动类型中对应的高血压人数百分比、高血脂人数百分比、高血糖人数百分比、高尿酸人数百分比指标,将所有的指标进行正向化处理,得到正向化矩阵如下:
式中:ynm表示第n个运动方式对应的第m个健康指标的值。
对矩阵Y进行标准化后得到的新的矩阵记为Z:
式中:ynm表示第n个运动方式对应的第m个健康指标的值,znm表示第n个运动方式对应的第m个健康指标的规范值;
步骤(3)、利用EWM法得到健康评价指标的权重,具体过程如下:
在i行,j列的标准化的矩阵Z基础上计算概率矩阵P,P中的每一个元素pij如下:
式中:pij表示第i个运动方式对应的第j个健康指标的值,zij表示第i个运动方式对应的第j个健康指标的规范值;
计算每个指标的信息熵,并计算信息效用值,并归一化得到每个指标的熵权,对第j个指标而言,其信息熵的计算公式为:
式中:ej表示第j个健康指标的信息熵,pij表示第i个运动方式对应的第j个健康指标的值;
定义信息效用值dj,公式如下:
dj=1-ej (6)
将信息效用值归一化,得到每个指标的熵权:
根据上述公式可以得到EWM的权重如下所示:
表2 EWM模型的权重
评价指标 | EWM计算权重 |
高血压 | 0.463 |
高血脂 | 0.210 |
高血糖 | 0.158 |
高尿酸 | 0.169 |
步骤(4)对TOPSIS中特征矩阵标准化后的矩阵进行加权,计算不同运动对健康的影响评分,具体过程如下:
根据求解得到的指标因子的权重对公式(3)得到标准化矩阵进行加权得到矩阵C:
基于矩阵C求解求解各方案的评分,过程如下所示:
首先,确定正理想解C+和负理想的解C-:
定义第i(i=1,2,…,n)个评价对象与最大值的距离为:
其中,分别是第j个评价指标的最大值,zij表示第i个运动方式对应的第j个健康指标的数值。
定义第i(i=1,2,…,n)个评价对象与最小值的距离为:
其中,分别是第j个评价指标的最小值,zij表示第i个运动方式对应的第j个健康指标的数值。
利用这些中间参数计算出第i(i=1,2,…,n)个评价对象的评价得分:
步骤(5)根据评价分数对运动类型与健康影响进行分析,根据公式(13)可以获取不同运动类型与健康评价指标的定量关系,得分越高,该运动的效果越好,同时也可以得到不同运动类型对健康评价指标的影响,从而可以根据不同病情给出不同的运动建议;
表3EWM-TOPSIS模型得分表
根据上图所示,可以明显看出在这四种运动状态中,广场舞的得分最高,不运动的得分最低,瑜伽与慢跑的分数分为第三与第二,该得分结果与进行不同类型的运动的病患在总病患人群中的分布一致,符合主观情况,判断结果准确有效。因此,对于那些患有高血压、高血脂、高血糖和高尿酸病的患者来说,与瑜伽和慢跑相比,选择广场舞更为适宜,更有助于改善他们的身体健康状况。
以上仅是本发明的优选实施例,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (7)
1.一种基于EWM-TOPSIS的不同运动方式对健康影响的评价方法,其特征在于,包括以下步骤:
(1)选取运动类型与健康评价指标;
(2)构建运动类型与健康评价指标之间的特征矩阵,并根据指标类型进行矩阵正向化处理,将正向化特征矩阵标准化;
(3)利用EWM法得到健康评价指标的权重;
(4)利用步骤(3)得到的权重对步骤(2)特征矩阵标准化后的矩阵进行加权,利用TOPSIS法计算不同运动对健康的影响评分;
(5)根据步骤(4)得到的评分对运动类型与健康影响进行分析。
2.根据权利要求1所述的基于EWM-TOPSIS的不同运动方式对健康影响的评价方法,其特征在于,步骤(1)中的评价指标为:当从事某种运动的人群中患某种疾病的人数越少时,该运动类型对于该疾病的治疗是越有效的。
3.根据权利要求1所述的基于EWM-TOPSIS的不同运动方式对健康影响的评价方法,其特征在于,步骤(2)中矩阵正向化处理过程为:
假设有n个要进行评价的运动方式,m个健康评价指标,将所有的指标进行正向化处理得到如下正向化矩阵:
式中:ynm表示第n个运动方式对应的第m个健康指标的值。
4.根据权利要求3所述的基于EWM-TOPSIS的不同运动方式对健康影响的评价方法,其特征在于,对正向化矩阵Y进行标准化后得到新的矩阵为Z:
式中:ynm表示第n个运动方式对应的第m个健康指标的值,znm表示第n个运动方式对应的第m个健康指标的规范值。
5.根据权利要求4所述的基于EWM-TOPSIS的不同运动方式对健康影响的评价方法,其特征在于,步骤(3)的具体过程如下:
在i行,j列的标准化的矩阵Z基础上计算概率矩阵P,P中的每一个元素pij如下:
式中:pij表示第i个运动方式对应的第j个健康指标的值,zij表示第i个运动方式对应的第j个健康指标的规范值;
计算每个指标的信息熵,并计算信息效用值,并归一化得到每个指标的熵权:对第j个指标而言,其信息熵的计算公式为:
式中:ej表示第j个健康指标的信息熵,pij表示第i个运动方式对应的第j个健康指标的值;
定义信息效用值dj,公式如下:
dj=1-ej (6)
将信息效用值归一化,得到每个指标的熵权:
6.根据权利要求5所述的基于EWM-TOPSIS的不同运动方式对健康影响的评价方法,其特征在于,步骤(4)中根据步骤(3)求解得到的指标的熵权对公式(3)得到标准化矩阵进行加权得到矩阵C如下:
7.根据权利要求6所述的基于EWM-TOPSIS的不同运动方式对健康影响的评价方法,其特征在于,基于矩阵C求解各方案的评分,过程如下所示:
首先确定正理想解C+和负理想的解C-:
定义第i(i=1,2,…,n)个评价对象与最大值的距离为:
其中,分别是第j个评价指标的最大值,zij表示第i个运动方式对应的第j个健康指标的数值;
定义第i(i=1,2,…,n)个评价对象与最小值的距离为:
其中,分别是第j个评价指标的最小值,zij表示第i个运动方式对应的第j个健康指标的数值;
利用这些中间参数计算出第i(i=1,2,…,n)个评价对象的评价得分:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310768959.9A CN116825351A (zh) | 2023-06-27 | 2023-06-27 | 一种基于ewm-topsis的不同运动方式对健康影响的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310768959.9A CN116825351A (zh) | 2023-06-27 | 2023-06-27 | 一种基于ewm-topsis的不同运动方式对健康影响的评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116825351A true CN116825351A (zh) | 2023-09-29 |
Family
ID=88115206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310768959.9A Pending CN116825351A (zh) | 2023-06-27 | 2023-06-27 | 一种基于ewm-topsis的不同运动方式对健康影响的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116825351A (zh) |
-
2023
- 2023-06-27 CN CN202310768959.9A patent/CN116825351A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vanderburgh | Occupational relevance and body mass bias in military physical fitness tests | |
Hamlin et al. | Determination of maximal oxygen uptake using the bruce or a novel athlete-led protocol in a mixed population | |
Solohubova et al. | The Assessment of Physical Fitness and Morphofunctional State of Female First-Year Students in Non-Linguistic Higher Education Institutions | |
CN116825351A (zh) | 一种基于ewm-topsis的不同运动方式对健康影响的评价方法 | |
Donka et al. | Examination of executive functions affecting sports performance in the context of athlete experience | |
Hoffmann et al. | Predicting elite triathlon performance: A comparison of multiple regressions and artificial neural networks | |
CN114612066A (zh) | 一种基于大数据的体育教学管理系统 | |
CN116469558A (zh) | 一种基于ahp-topsis的不同运动方式对健康影响的评价方法 | |
CN110379516B (zh) | 一种基于大数据的运动机能分析伤病风险概率预测非线性模型的构建方法 | |
CN112863681A (zh) | 一种多参数筛选预测最大摄氧量的方法 | |
CN113221012A (zh) | 一种基于群体画像的社区健身活动推荐方法 | |
Abut et al. | Performance comparison of different machine learning methods for prediction of maximal oxygen uptake from submaximal data | |
Brown et al. | Maximum oxygen uptake in junior and senior elite squash players | |
CN116072256A (zh) | 学生体质健康促进个性化运动处方推荐方法 | |
CN113892909B (zh) | 一种基于认知状态的慢性疾病智能筛查系统 | |
CN116434954B (zh) | 一种临床治疗效果的评价方法 | |
Yang et al. | Smart health analysis on factors influencing physical health based on the self-organizing map network | |
Kazemi et al. | Initial Considerations for Height Categories as a Replacement of Weight Categories in Senior Taekwondo Athletes | |
Zahari et al. | Fusion of anthropometric measurement and multi parameter trends for cardiorespiratory fitness assessment | |
Янчук | Relationship Between Speed of Striking and Time to Exhaustion of an Elite Deaf Karateka | |
Prisco et al. | A Machine Learning approach to classify ventilatory efficiency | |
Fang | Research on a parametric model-based algorithm for sports intensity assessment | |
Maliki et al. | Proportionality of Anthropometric and Physical Fitness Performance on Youth Aerobic Capacity Model | |
Eladawy et al. | Effectiveness of trainings using some modern tools to improve some physiological variables in swimming | |
KOLOKOLTSEV et al. | Individualizing physical education for female students through somatotyping methodology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |