| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 前言 | 第8-10页 |
| 1.1 选题的依据 | 第8-9页 |
| 1.2 选题的意义 | 第9-10页 |
| 2 文献综述 | 第10-16页 |
| 2.13000 米障碍跑的项目特征研究 | 第10-11页 |
| 2.2 国内外研究现状 | 第11-12页 |
| 2.3 人工神经网络研究 | 第12-13页 |
| 2.4 BP神经网络算法 | 第13-16页 |
| 2.4.1 BP神经网络算法简介 | 第13-14页 |
| 2.4.2 三层BP神经网络算法 | 第14-16页 |
| 3 研究对象和研究方法 | 第16-20页 |
| 3.1 研究对象 | 第16-17页 |
| 3.2 研究方法 | 第17-18页 |
| 3.2.1 文献资料法 | 第17页 |
| 3.2.2 专家访谈法 | 第17页 |
| 3.2.3 计算方法 | 第17-18页 |
| 3.2.4 逻辑分析 | 第18页 |
| 3.3 基于BP神经网络的研究方法 | 第18-20页 |
| 3.3.1 输入数据的归一化处理 | 第18页 |
| 3.3.2 神经网络各个网络参数设定原则 | 第18-19页 |
| 3.3.3 训练参数的设置 | 第19页 |
| 3.3.4 MATLAB简介 | 第19-20页 |
| 4 分析与讨论 | 第20-29页 |
| 4.1 BP神经网络模型的构建 | 第20-21页 |
| 4.1.1 神经网络结构的确定 | 第20页 |
| 4.1.2 MATLAB神经网络工具箱 | 第20页 |
| 4.1.3 BP神经网络的构建 | 第20-21页 |
| 4.2 BP神经网络模型的拟合精度和预测精度 | 第21-25页 |
| 4.3 实验结果分析与讨论 | 第25-29页 |
| 4.3.1 晨脉 | 第25页 |
| 4.3.2 收缩压和舒张压 | 第25-26页 |
| 4.3.3 体重 | 第26-27页 |
| 4.3.4 血氧饱和度 | 第27-28页 |
| 4.3.5 人工神经网络模型 | 第28-29页 |
| 5 结论与建议 | 第29-31页 |
| 5.1 结论 | 第29-30页 |
| 5.1.1 BP人工神经网络与3000米障碍跑预测模型的建立 | 第29页 |
| 5.1.2 3000 米障碍跑比赛成绩与晨脉之间的关系 | 第29页 |
| 5.1.3 3000 米障碍跑比赛成绩与收缩压和舒张压之间的关系 | 第29页 |
| 5.1.4 3000 米障碍跑比赛成绩与体重之间的关系 | 第29页 |
| 5.1.5 3000 米障碍跑比赛成绩与血氧饱和度之间的关系 | 第29-30页 |
| 5.2 建议 | 第30-31页 |
| 参考文献 | 第31-33页 |
| 致谢 | 第33页 |
