1.2. Постановка задачи.

Модели и компьютерные программы предсказания результатов спортивных игр разрабатываются на протяжении многих лет. Большинство из них используют стохастические методы описания неопределенности: регрессивный и авторегрессивный анализ, метод Байезиана в комбинации с цепями Маркова и методом Монте Карло. Особенностями таких моделей являются: достаточно высокая сложность, большое количество допущений, потребность в наличии большого массива статистических данных. Кроме того, эти модели не всегда легко интерпретировать. Существуют также модели, использующие нейронные сети для предсказания результатов хоккейного матча. Их можно рассматривать как универсальные аппроксиматоры нелинейных зависимостей, опробованные на экспериментальных данных. Для них также необходимо иметь массивы статистических данных, а физическое значение весов между нейронами после обучения определить нельзя.

Рассмотрим модель оценки рейтинга команд с использованием квалиметрического метода. Квалиметрия – научная дисциплина, в рамках которой изучаются методология и проблематика комплексной, количественной оценки качества объектов любой природы. В данном случае проводится рейтинговая оценка двух хоккейных клубов, принимающих участие в матче. Этапы выполнения работы:

Выбор показателей, формирующих рейтинг футбольной команды.

Анализ показателей:

1. Выделение стимуляторов/дестимуляторов;

2. Формирование весовых коэффициентов;

3. Построение математической модели:

4. Приведение показателей к сопоставимому виду;

5. Расчет интегрального показателя рейтинга команд;

6. Формирования лингвистической интервальной шкалы.

7. Оценка точности модели (итеративный этап):

8. Подготовка статистических данных;

9. Расчет показателей точности модели;

10. Формирование выводов о целесообразности применения модели на практике.

Итак, в первую очередь перед нами становится задача выбора показателей, формирующих рейтинг хоккейной команды. Целесообразно выбрать для оценки такие параметры, сбор статистической информации о которых не был бы затруднителен. В то же время данные показатели должны обладать высокой степенью важности для рейтинга команды. Учтя вышеприведенные факторы, мы остановили свой выбор на следующих параметрах:

Место команды в турнирной таблице;

1. Сколько последних игр команда не пропускала ни одной шайбы (подряд);

2. Сколько последних игр команда забивала шайбы (подряд);

3. Сколько очков набрано в последних пяти играх;

4. Сколько мячей команда забила в последних пяти играх;

5. Сколько мячей команда пропустила в последних пяти играх;

6. Важность матча для команды (0-9 баллов);

7. Домашний / выездной матч (1/0);

Среди вышеприведенных показателей есть как стимуляторы, так и дестимуляторы. Стимуляторами называются показатели, увеличение которых приводит к увеличению рейтинга команды, а дестимуляторы - это показатели, уменьшение которых приводит к росту рейтинга хоккейного клуба.

Остальные показатели являются дестимуляторами. Каждый из вышеперечисленных показателей влияет на рейтинг команды в определенной степени, причем степень эта различна. Для того чтобы отразить это различие в модели, введем весовые коэффициенты (Табл. 2).

Таблица 2. Весовые коэффициенты.

Для интерпретации полученного рейтинга команд необходимо ввести так называемую лингвистическую интервальную шкалу. В квалиметрии шкала измерений является средством адекватного сопоставления и определения численных значений отдельных свойств и качеств различия объектов. В нашей модели будем использовать пятиуровневую лингвистическую шкалу, приведенную в таблице 3.

Таблица 3. Лингвистическая шкала.

Требуется разработать универсальную систему прогнозирования результатов хоккейных матчей чемпионата КХЛ, которая комплексно автоматизирует все этапы работы двухслойного персептрона с алгоритмом обратного распространения ошибки.