Согласно [1], в современном мире 30 % людей сталкиваются с проблемой недостатка физической активности, причем 31,7 % из общего числа составляют женщины и 23,4 % мужчины. Под физической активностью подразумевается движение тела, требующее расхода энергии и являющееся одним из важнейших средств улучшения физического и психического состояния человека. Такого рода активность снижает риск развития многих неинфекционных заболеваний и приносит пользу обществу, поскольку укрепляет социальное взаимодействие и повышает вовлеченность людей в жизнь местного сообщества. Физическая активность – это не только вопрос общественного здравоохранения, но и один из показателей содействия благополучию местных сообществ, так как способствует защите окружающей среды и является инвестицией в жизнь будущих поколений. Отсутствие физической активности приводит к развитию онкологических заболеваний в 21–25 % случаев, диабету в 27 % случаев и к ишемической болезни сердца примерно в 30 % случаев [1].
Социальная значимость проблемы недостатка физической активности преимущественно женской части населения и недостаточная информированность потребительниц фитнес-услуг в вопросах выбора наиболее приемлемого комплекса упражнений, учитывающего антропометрические, физические данные и основные показатели здоровья женщин, определили цель исследования.
Цель исследования – разработать интеллектуальную систему поддержки принятия решений, позволяющую подобрать рациональную систему тренировок для женщин с учетом антропометрических, физических данных и основных показателей здоровья.
Для достижения поставленной цели в статье сформулированы и решены следующие задачи:
– ввести антропометрические, физические данные и основные показатели здоровья и выявить наиболее значимые из них;
– сформулировать правила определения классов для подбора программы тренировок в соответствии с исходными значениями антропометрических, физических данных и показателями здоровья;
– провести обзор различных групп физических занятий и оснований для их назначения;
– разработать интеллектуальную систему поддержки принятия решений, позволяющую подбирать наиболее приемлемую программу тренировок для женщин для сохранения или улучшения основных показателей здоровья;
– апробировать разработанную интеллектуальную систему поддержки принятия решений для выбора наиболее приемлемых тренировок.
Материалы и методы исследования
В соответствии с поставленными выше задачами для формализации введем следующие обозначения: – множество антропометрических данных, где х1 – возраст, х2 – рост и х3 – вес; Х2 = {х4, х5, х6} – множество физических данных, где х4 – сила, х5 – гибкость и х6 – выносливость; – множество основных показателей здоровья, где х7 – диастолическое артериальное давление, х8 – систолическое артериальное давление и х9 – индекс массы тела (ИМТ); – множество антропометрических, физических данных и основных показателей здоровья; – множество классов для подбора программы физических занятий, где у1 – А (Первый), у2 – B (Второй), у3 – C (Третий).
Требуется построить алгоритм , способный классифицировать произвольный объект х ∈ Х. Таким образом, для достижения поставленной цели требуется решить задачу классификации.
В качестве информационной базы исследования взята выборка физических, антропометрических данных и основных показателей здоровья женщин в возрасте от 20 до 65 лет, опубликованная на сайте [2]. Результаты работы наиболее известных алгоритмов классификации приведены в табл. 1.
Из табл. 1 следует, что при решении задачи классификации наилучшие результаты получены применением алгоритма «Случайный лес», поэтому в проводимом исследовании будет использован указанный алгоритм [3].
Решение задачи классификации позволило определить правила распределения женщин по классам. После табл. 1 приведены примеры правил для распределения женщин по классам в соответствии со значениями их антропометрических, физических данных и основных показателей здоровья.
Таблица 1
Результаты работы алгоритмов классификации
Алгоритм классификации |
Точность тестовой выборки |
Точность обучающей выборки |
Логистическая регрессия |
77,54 % |
75,72 % |
К-ближайших соседей (KNN) |
78,08 % |
76,29 % |
Метод опорных векторов |
77,94 % |
75,99 % |
Многослойный персептрон |
86,2 % |
83,74 % |
Дерево решений |
88,9 % |
82,42 % |
Случайный лес |
93 % |
85,63 % |
Если . Уровень поддержки принятия набора данных для класса С (третьего) равен 56.
Если . Уровень поддержки принятия набора данных для класса В (второго) равен 2.
Если . Уровень поддержки принятия набора данных для класса А (первого) равен 30.
Таблица 2
Наиболее значимые физиологические данные и показатели здоровья
sit and bend forward_cm |
Гибкость |
0,361804 |
sit-ups counts |
Выносливость |
0,267832 |
imt |
Индекс массы тела |
0,106815 |
age |
Возраст |
0,092229 |
gripForce |
Сила |
0,065965 |
weight_kg |
Вес |
0,039247 |
systolic |
Систолическое артериальное давление |
0,023412 |
height_cm |
Рост |
0,022713 |
diastolic |
Диастолическое артериальное давление |
0,019982 |
Рис. 1. Интерпретация физических данных и показателей здоровья
С помощью встроенного в библиотеку Scikit-Learn метода feature_importances_ выявлены наиболее значимые антропометрические, физические данные и основные показатели здоровья, приведенные в табл. 2.
Из табл. 2 следует, что к числу наиболее значимых признаков следует отнести физические признаки – гибкость и выносливость, показатель здоровья – индекс массы тела и антропометрический признак – возраст.
Результаты исследования и их обсуждение
Изучив возрастное распределение женщин информационной базы, заключаем, что в рассматриваемой выборке основную часть составляют женщины в возрасте от 20 до 40 лет, что согласуется с тем фактом, что основной целевой аудиторией фитнес-индустрии являются женщины указанной возрастной группы. Поэтому в проводимом исследовании для дальнейшего анализа будем опираться на эту возрастную группу. В соответствии со сделанным допущением на рис. 1 приведены возможные значения физических данных и основных показателей здоровья.
Из рис. 1 следует, что по выносливости нормой у женщин считается 30–40 приседаний за две минуты, допустимые значения варьируются в диапазоне 20–30 раз, более низкие показатели выносливости свидетельствуют о недостаточной физической активности.
Решение задачи классификации позволило выделить три класса для подбора программы тренировок, указанные в математической постановке задачи по каждому из наиболее значимых признаков. Значения выносливости по каждому из введенных классов приведены на рис. 2.
Рис. 2. Значения выносливости по классам
Таблица 3
Виды тренировок в фитнесе
Мягкие функциональные тренировки |
Кардиотренировки |
Силовые и функциональные тренировки |
Пилатес Йога Калланетика Бодифлекс Стретчинг |
Степ-аэробика Аквааэробика Шейпинг Фитбол и босу TRX Танцевальная аэробика Боевые искусства Сайкл Джампинг Кangoo jumps |
Кроссфит Воркаут Бодибилдинг (культуризм) Пауэрлифтинг |
Из рис. 2 видно, что практически все женщины первого класса выполнили норму по выносливости. Для женщин, попавших во второй класс, характерно значительное ухудшение показателей выносливости, хотя большинство из них еще находится в зоне допустимых значений. Это означает, что из-за пониженной выносливости этим женщинам лучше исключить из тренировочного процесса дополнительный вес и работать только со своим весом. В долгосрочной перспективе можно незначительно добавлять вес, учитывая свое состояние во время тренировочного процесса. Показатели выносливости у представительниц третьего класса выражаются низкими значениями, поэтому им рекомендуется снижение темпа во время тренировочного процесса и также работа только со своим весом. Иначе несоблюдение рекомендаций может привести к проблемам с сердечно-сосудистой системой и к заболеваниям легких.
Согласно принятой в спорте классификации различают мягкие функциональные тренировки, кардиотренировки, силовые и функциональные тренировки [4, 5]. Классификация видов тренировок приведена в табл. 3.
Силовые и функциональные тренировки – это анаэробные тренировки, направленные на развитие мышечной силы и гипертрофии (роста) мышц. Выполнение всех видов силовых и функциональных тренировок предполагает некоторую физическую подготовку и не подходит для новичков. Кардиотренировки эффективны для похудения, поскольку позволяют сжигать большое количество калорий. Все тренировки аэробной направленности отлично развивают выносливость сердечно-сосудистой и дыхательной систем. Мягкие функциональные тренировки не требуют дополнительного оборудования в виде тренажеров, достаточно веса собственного тела. При необходимости вводится различный инвентарь: резиновые эспандеры, ролики, кольца, мячи. Назначаются для пожилых людей и людей с низкими показателями здоровья.
Таблица 4
Результаты апробации разработанной модели в студии Lady stretch
Класс |
Основные группы рисков здоровья |
Рекомендованная программа тренировок |
Количество посещений в неделю |
Первый |
Возможен недостаток в весе, заболевание опорно-двигательного аппарата |
Stretching, аэрорастяжка, растяжка с подкачкой, гибкая спина, PRO ягодицы |
3–4 |
Второй |
Возможны проблемы с суставами и с избыточным весом, варикоз, заболевание опорно-двигательного аппарата |
Stretching, гибкая спина, аэрорастяжка, растяжка с подкачкой и PRO ягодицы (работать своим весом), |
2–3 |
Третий |
Возможны проблемы с суставами, сердечно-сосудистые заболевания, избыточный вес, варикоз, заболевания дыхательной системы, заболевание опорно-двигательного аппарата |
Stretching, гибкая спина, аэрорастяжка (не все упражнения), растяжка с подкачкой и PRO ягодицы (работать своим весом, в медленном темпе) |
2–3 |
Рис. 3. Результаты программной реализации модели
В качестве основной экспериментальной площадки для апробации построенной модели выбрана студия растяжки Lady stretch, расположенная в г. Оренбурге и специализирующаяся на пяти видах тренировок. Федеральная сеть студий растяжки Lady stretch имеет более 90 студий в России и СНГ, каждый день 10 тыс. женщин посещают студии.
В табл. 4 приведены результаты апробации разработанной модели. Для каждого из полученных классов проанализированы и показаны основные группы рисков здоровья, приведены рекомендуемые программы тренировок и указано наиболее благоприятное количество посещений в неделю.
Разработано программное обеспечение, позволяющее автоматизировать процедуру подбора наиболее приемлемой программы тренировок для женщин. На рис. 3 приведены результаты работы программной реализации построенной модели.
Заключение
Многообразие различных систем тренировок, в том числе в сети Интернет, создает проблему выбора эффективной системы тренировок. При этом неправильно подобранные системы тренировок представляют серьезную угрозу здоровью. Среди клиентов фитнес-индустрии присутствуют люди разных социальных и возрастных групп, разных сфер деятельности. Как правило, у потребителей фитнес-услуг разный уровень физической подготовленности, а также разный уровень физической активности в повседневной жизни. Следовательно, каждому клиенту в соответствии с его индивидуальными особенностями и возможностями необходимо подбирать различные программы физических занятий. Поэтому выбор рациональной системы тренировок на основе физиологических показателей в контексте сохранения и улучшения основных показателей здоровья является актуальной проблемой. От успешного решения этой актуальной проблемы зависит здоровье нации, что свидетельствует не только об эстетической, но и социальной значимости рассматриваемой проблемы.
Современное развитие искусственного интеллекта и его проникновение во все сферы человеческой деятельности позволяют автоматизировать процедуру подбора фитнес-программ. Организации, занимающиеся предоставлением фитнес-услуг, приветствуют такую тенденцию и активно внедряют в свою деятельность. Указанные мероприятия позволяют им удержать свои стратегические позиции на рынке оказания услуг данного рода: сохранить клиентскую базу и привлечь новых потребителей фитнес-услуг.
В условиях жесткой конкуренции на рынке оказания фитнес-услуг населению здоровьесберегающий подход к решению актуальной проблемы выбора наиболее приемлемого комплекса физических упражнений для женщин в возрасте от 20 до 65 лет в соответствии с их антропометрическими, физическими данными и основными показателями здоровья является значительным конкурентным преимуществом.
Библиографическая ссылка
Дусакаева С.Т., Агапова А.И. РАЗРАБОТКА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ВЫБОРЕ ЗДОРОВЬЕСБЕРЕГАЮЩЕГО КУРСА ФИЗИЧЕСКИХ ЗАНЯТИЙ // Современные наукоемкие технологии. – 2022. – № 7. – С. 32-37;URL: https://top-technologies.ru/ru/article/view?id=39229 (дата обращения: 21.11.2024).