Результаты исследования и их обсуждение

Введение

Совершенствование технической подготовки имеет решающее значение для повышения эффективности учебно-тренировочного процесса и роста спортивного результата (Б.Н. Шустин, 1995; М.П. Шестаков, 1997). В настоящее время принято считать, что разработка модельных показателей технической подготовленности спортсменов в прыжковых видах легкой атлетики позволяет наиболее качественно управлять тренировочным процессом (В.П. Косихин, 2009).

До настоящего времени актуальной остается задача выбора адекватных критериев техники прыжка в высоту (В.В. Макиенко, 2000). Контроль за правильностью техники прыжка в высоту можно осуществлять визуально по узловым моментам кинематической структуры, но для более объективного оперативного контроля предлагают регистрировать кинематические характеристики с помощью видеозаписи (М.С. Шубин, 1999). Предложены педагогические технологии применения систем видеоанализа движений, которые позволяют оптимизировать учебно-тренировочный процесс за счет комплексной оценки исходного состояния биомеханической системы спортсмена, определения максимально возможного спортивного результата, прогнозирования и планирования уровней целенаправленного развития биомеханических параметров структуры соревновательного упражнения, выбора и применения вспомогательных упражнений, реализации системы формирования структуры соревновательного упражнения и внесения коррекции в тренировочный процесс (В.В. Лысенко, Д.А. Романов, 2004).

Одним из основных критериев оценки техники является ее стабильность в соревновательном макроцикле. В решении задачи повышения стабильности используется сравнение достигнутого в результате выполнения двигательного действия результата с целевой моделью, а тренирующие воздействия должны быть направлены на то, чтобы расхождение было минимальным. И в этом существенную роль следует отвести использованию современных средств компьютерного моделирования.

Сопоставление модельных и фактически достигнутых параметров прыжка дает основание для рационального подбора тренировочных средств. Вместе с тем статичность и усредненный характер модельных характеристик не позволяют в тренировочном процессе в полной мере учитывать индивидуальные особенности спортсмена с точки зрения особенностей биомеханики прыжка.

Ранее нами был предложен ряд имитационных моделей на основе регистрируемых с помощью видеоанализа кинематических характеристик прыжка в высоту (И.Ю. Кривецкий с соавт., 2011). Построенная на их основе интерактивная система прогнозирования успешности прыжка и техничного преодоления планки на основе анализа биомеханических характеристик прыжка в высоту позволяет создавать индивидуальные модели для высококвалифицированных спортсменов. С помощью данного инструмента, учитывающего индивидуальные биомеханические особенности прыжкового стиля спортсмена, можно детально анализировать все фазы прыжка, в модельном анализе найти рациональный вариант техники для конкретного спортсмена, исходя из планируемого для него спортивного результата. Затем в тренировочном процессе совершенствовать технику за счет направленной коррекции отдельных движений звеньев тела, достижения той оптимальной комбинации кинематических параметров, которая обеспечивает достижение намеченного результата.

Цель настоящей работы заключалась в разработке комплекса тренировочных занятий, направленных на оптимальную коррекцию двигательных действий прыгуна в высоту с использованием результатов моделирования в интерактивной системе прогнозирования успешности прыжка на основе каскадной нейро-нечеткой сети.

Методика исследования

Основной инструментальной методикой сбора информации являлась видеоциклография, с помощью которой регистрировались кинематические характеристики движений прыгунов при выполнении соревновательных упражнений.

Видеосъемка проводилась скоростными видеокамерами (210 кадр./с и 50 кадр./с), расположенными под углом 45° друг к другу. Испытуемому на области голеностопного, коленного, тазобедренного, плечевого, локтевого и лучезапястного суставов были прикреплены светоотражающие маркеры.

Обработка и расчет материала проводились в каждой попытке с использованием программы видеоанализа «Dartfish» (Швейцария).

Моделирование систем прогнозирования успешности прыжка и техничного преодоления планки выполнено на основе каскадной нейро-нечеткой сети в пакете «Medical Toolbox» (Н.С. Безруков с соавт., 2006).

Для конкретного спортсмена проводится анализ доступных попыток выполнения им прыжков в соревнованиях и в процессе тренировочного процесса. Результат данного этапа работ можно представить в форме гистограмм (см. рисунок), где белыми столбцам обозначены неудачные результаты, а черными - удачные. Введенные данные позволяют провести обучение (настройку) модели каскадной нейро-нечеткой сети и на удачных, и на неудачных попытках. В настройку входят показатели технической подготовленности, данные которых получены из анализа соревновательных и тренировочных попыток, о чем уже говорилось. Прогнозируя в модели обеспечение какого-либо спортивного результата, мы тем самым прогнозируем сочетание определенных показателей. Задаваемое изменение любого из них должно сочетаться с изменением целого набора показателей, что и осуществляет модель (пример - на рисунке).

Результаты исследования и их обсуждение

Интерактивная система прогнозирования успешности прыжка в высоту позволяет не только прогнозировать, но и моделировать условия, при которых спортсмен совершит успешный прыжок, путем изменения входных данных. В результате ее применения тренер и спортсмен фактически получают модель «идеального» прыжка на заданной высоте с конкретными значениями кинематических характеристик. Видеоанализ совокупности прыжков позволяет определить степень отклонений реальных характеристик от модельных и сформировать комплекс корректирующих воздействий для оптимизации двигательного действия и повышения его воспроизводимости.

Для решения этой задачи мы предлагаем следующую методику тренировочных воздействий и рекомендуем использовать ее на этапах технической и соревновательной подготовки годового цикла (декабрь - февраль, май - август). Количество тренировок в недельном микроцикле - 2, количество тренировок в месячном макроцикле - 6-9.