公差测量实训总结精选(九篇)

第1篇：公差测量实训总结范文

【关键词】项目教学法；公差配合与技术测量基础；

【中图分类号】G712

一、现在课程教学中存在的问题

1.1 课程内容学科本位思想严重，教学方法、教学手段落后

当前中职学校教学中使用的《公差》教材内容理论性强，概念多，学生课程中实践机会少，与实际当中的联系不够。在教学当中，沿用传统的教学模式，再加上机械类课程本身的特点，导致学生产生畏难情绪，不能激发学习的兴趣，更谈不上灵活运用。

1.2 教材内容取舍不尽合理

教学中偏重对理论知识的宣讲和理论公式的推导、表格参数形成原理、计量器具的工作原理以及误差分析推导的原理等，而对于理论公式如何运用、公差表格查找原则及方法、各类测量仪器的操作方法和如何处理测量数据等往往被忽视；特别是对于先进的技术，如计算机辅助公差设计、精密测量技术、先进测量仪器等内容基本没有讲述，学生普遍缺乏这方面的知识。因此，用以培养关键能力为核心的项目教学法代替传统的教学方法是很有必要的。

二、确定课程总体培养目标

2.1 知识目标

通过本课程的学习，使学生理解在机械产品设计中所必须具备的有关精度设计的基本知识，如机械零件中各种要素的精度参数及相关的控制标准、有关术语与概念以及公差项目、有关国家标准、有关量具量仪的原理及尺寸链的基本知识等[2]。

2.2 能力目标

通过本课程的学习，使学生具备以下四方面的能力：第一，读懂图纸上的技术要求的能力。第二，针对零件要求正确查用国家公差标准并进行正确标注的能力。第三，正确使用测量工具对实际零件进行测量的能力。第四，综合运用知识解决实际问题的能力。

2.3 素质拓展目标

通过本课程的学习，培养学生的职业素质、团队精神、竞争意识等素养。

三、根据课程总体培养目标确定项目教学法的项目方案

项目教学法是以培养关键能力为核心的教学方法，因此，根据课程总体培养目标，以能力目标的培养为主线，在培养能力目标的同时实现知识目标和素质拓展目标。具体制订如下的教学项目方案：

3.1 项目一：读零件图

结合机械类或近机械类具体专业的特点，选择具有代表性的零件图。通过本项目的训练让学生掌握对图纸上技术要求的阅读能力。本项目包括了很多知识目标，用到的就引入并加以介绍，比如讲到为什么要标注技术要求，引入互换性的概念与原理，提出几何量误差对互换性的影响，从而介绍尺寸误差、形位误差、表面粗糙度等概念，让学生掌握图纸上各项技术标注的含义，能够读懂零件图。

3.2 项目二：典型零件测绘与技术要求标注

以专业典型零件为例，学生分组进行。在本项目中学生主要训练基本测量工具的使用，让学生掌握常用和通用计量器具的使用方法，如千分尺、游标卡尺、百分表、量规、量块等，用它们来测量常用的零件。边检测，边调整，对量具的选用及组合、具体的测量方法作解释；然后学会用立式光学比较仪测量轴径的方法，用内径百分表测量孔径的方法等。测绘完成后要求学生进行技术要求标注。本项目还包含了查表、主要零件的配合与公差的选择、标注等内容。这样既使教学内容贴近生产实际，调动学生学习积极性，同时也使学生对课程能较有完整的理解。另外，本项目的训练，还可以培养学生的团队精神，促进学生的人格发展和综合素质的提高[4]。

3.3 项目三：实际零件检测

本项目可以到实习车间检测具体的实际零件，也可通过购置工厂淘汰的专用量具和具体零件，让学生分析专用量具，了解其工作原理，并实际操作专用量具掌握其使用方法。比如锥度塞规着色检测内圆锥角、螺纹塞（环）规检测内外螺纹、三针测量螺纹的单一中径、花键塞（环）规检测内外花键以及一些检验量规等。本项目的训练中，对知识目标的实现，可以重点介绍量具、量仪的选择与使用、极限量规的选择与使用、介绍测量方法以及测量误差的分类等；对素质拓展目标的实现，主要是提高学生综合运用知识解决实际问题的能力[3]。

3.4 项目四：精密测量

本项目部分内容可以在实验实训室进行，其主要目的是拓展学生的知识面，使学生了解测量仪器的最新发展状况。比如万能测长仪和表面粗糙度检查仪的使用；还可以通过参观大型企业的检测中心让学生了解先进设备，例如三坐标测量仪、气动量仪、单啮仪、齿轮检测中心等，课本上对这些设备只做简单的介绍，而且这些仪器价格很高在实验室很少配置；并且了解检测人员对精密测量仪器的操作规程，日常工作中对测量数据的处理方法，使学生在扩大知识面的同时，对生产实际有初步的认识。

3.5 项目五：综合分析与比较测量

本项目是将同一零件，利用不同的加工方法、选择不同的基准、选择不同的测量工具对同一尺寸或公差项目进行检测，来比较测量结果。目的是使学生了解：不同的加工方法，对零件的公差值有不同的影响；选择不同的基准或基准不统一，对零件的公差值有不同的影响；选择不同的测量工具对同一尺寸或公差项目进行检测，会得出不同的结果。因此，对于零件的公差要求或精度要求要合理，要结合具体的加工条件进行规定，不能盲目的提高或降低要求，否则，就会造成不必要的损失。

四、实例分析

利用项目教学法来教会学生学会直线度误差的检测。具体包括以下几个内容：

5.1 确定项目：利用框式水平仪测量车床导轨的直线度误差。

教学项目

学习任务

职业能力（知识、技能、职业素养）目标

课时分配

C6140车床导轨直线度

误差检测

框式水平仪的使用

1. 能熟练说出框式水平仪的结构、工作原理

2. 熟悉框式水平仪的使用和读数方法

6

直线度误差的测量

1.会根据水平仪的示值确定被测导轨面的测量点

2.会记录各测量点的读数值

3.会根据读数值画直线度误差折线图

8

直线度误差的判定

1. 会根据误差折线图判定直线度误差

2. 会分析测量误差原因

4

5.2分组测量： 学生在老师的主持下以小组合作的形式，自行组织完成项目。

各小组独立完成项目，能够充分发挥小组内部的能力和协作精神，项目完成过程中，可以促进小组之间人员的交流和知识的交流，能够很好的提升小组人员自主学习的能力。

5.3 项目总结：

项目完成后，各小组对自己的测量结果进行总结，查明误差出现的原因以及改进措施，在项目完成的过程中，既培养了学生的动手和实践能力。还能让每个学生都能对项目的原理和步骤有个详细的了解，提高了学生的理论知识层面。

五、考核方式

与项目化教学匹配，考核方式应具有较强导向作用，为本课程的培养目标，考核方式应突出学生专业技能的考核，注重过程化，将考核分为四部分：出勤10%，课堂练习占20%，实训成绩占35%，期末考试采取开卷形式，成绩占35%。总之，作为学校教师，我们应以能力培养为目标，注重学生综合素质的培养，在教学中只要不断进行项目化教学的改革与探索，就一定会取得比较好的教学效果[1]。

六、总结

项目教学法是以学生为中心，以项目为中心，以实践为中心，以培养学生关键能力和综合素质为目标，所以，《公差配合与测量技术》课程的教学，要充分发挥教师的主导作用，不断努力探索，用于实践，结合机械类课程理论性和实践性强的特点，在教学中应用项目教学法，把理论和实验操作有机的结合起来，使理论融于操作中，在操作中消化理论。 这样机械课专业的《公差配合与技术测量》课程才能教好、学好，才能在有限的教学时间内达到项目教学法改革的目的，取得比较好的教学效果。

【参考文献】

[1]谭香玲，廖友军。 高职《公差配合与技术测量》项目化教学初试[J]。 科技资讯，2011，（34）。

[2]宋欣颖。 项目化教学在高职《公差配合与测量技术》课程中的应用研究[J]。 科技创新导报，2011，（10）。

[3]王治平。 《公差配合和技术测量》课程的项目化教学[J]。 机械职业教育，2010，（12）。

第2篇：公差测量实训总结范文

关键词：高职教育 课程改革 公差 检测

公差配合与测量技术课程是一门必修的技术基础课，课程内容与实践联系紧密，涉及概念、标准和专业术语较多，抽象理论分析与实践技能要求也较高。对机电类专业的高职学生而言，学生学习困难较多，厌学情绪较为普遍；再加上相关实验、实训条件有限，教师实践经验欠缺等因素，客观上成为制约教师高质量完成教学任务的

瓶颈。

一、论点的提出

国际技术与职业教育大会指出：21世纪“对人的素质要求在变化，不仅是知识、技能水平的提高，更重要的是能应变、生存、发展”。这说明传统一味追求提高专业知识与技能的所谓“硬实力”的教学思路已不合时宜，现代高职教育已开始越来越注重培养有助于增强适应环境而持续发展的人本素质，即在传授专业知识技能的同时着力改善与优化受教育者思维、情感和意志等所谓的“软实力”，使其有更广泛的岗位适应性，有自我改进、持续发展的潜力，有敢于面对困难、勇于创新的毅力。从而，宜在教学活动中转换角色关系，力挺学生的主体地位，充分发挥其主动性，使教师主要起辅助、诱导与暗示作用；力求以提高动手、动脑水平等“硬实力”的同时强化情感、意志等“软实力”训练，注重手、脑、情等人本要素的协调均衡发展，“软硬兼施”的打造具有高度适应性、灵活性和发展性的新世纪应用型人才。

二、就业分析

高职教育强调以就业为中心，为体现整个教学活动明确的针对性，结合专业特点与课程内容去积极地关注学生未来就业相对应的职业岗位，这门课程至少涉及四类典型就业岗位：技术服务、制造装配、检查统计和质量管理等。

1.技术服务岗

企业一线的技术服务岗将涉及较多专业信息交流，要求熟悉处理专业问题的典型思路、方法，在掌握全面而准确的概念和原理内涵的基础上，能主动灵活、高效务实、富有创造性的开展工作，能进行具有亲和力的交流沟通，具有严谨求实、不怕困难、追求卓越的工作态度。

2.制造和检查岗

数量最多、比例最大而堪称企业主力军的制造和检查人员，其力量主要展现在出色的动手能力方面，而受实训条件和课时所限，我们的学生往往达不到岗位所需的技能要求。因此，要强化入门教育，培养持续学习的能力，训练能够终身学习的习惯，树立起高度的责任感和高涨的工作热情。

3.质量管理岗

学生欲成为一名优秀的质量管理人员，切实履行好监督与导向职责，就应知晓人性化管理的科学性和艺术性，能够规范执行质量控制程序，构建宽松融洽的作业环境，充分调动起各方面的积极性，这就需要具备优良的道德情操和意志品质。

三、课程探讨

理论和实践历来相伴而生、相辅相成，是对立统一的关系。对于公差配合与测量技术课程的学习更是不宜过分单独强调某一方面而忽略另一方面，需注意相互协调与促进，坚持用两条腿走路才能脚踏实地、稳步前进。无论哪个工作岗位都是在理论和实践的反复作用中生成与发展，恰当处理两者关系无疑有利于教与学活动的顺利开展，有助于学员角色向员工角色的顺利转变。以就业为中心，坚持理论和实践两个基本点实施高职教育是其基本方针，具体到公差配合与测量技术课程的教学工作，首先要注意教学内容的合理确定及过程的科学安排。教学内容既要参考专业特点及其具体岗位要求，更要充分考虑教学对象的知识储备情况与学习兴趣，还要联系配套教材及相关硬件设施的状况；教学实施宜遵循认知规律，注意反馈而适时调整，最大化的追求教与学的双赢效果。对于理论铺垫要求较为深厚的量规设计和测量误差分析等内容，以及其他知识和现场经验要求较为丰富的公差参量选定问题，宜简述或省略，而企业逐渐重视的质量达标内容则宜有所拓展和加强。为使教学活动能够完成计划而真正达到预期目标，教学双方在整个过程中至少应关注三个方面，即技术交流、检测评定和质量管理。

1.技术交流

在技术交流方面，以理论知识学习为主，实践为辅，注意掌握基本原理、原则的实质与内涵，尤其是对“公差”的概念宜重点关注，应积极动员已经掌握的相关专业课知识及生活经验，从较深的层次上认知其产生、结构和应用，认清宏观的尺寸公差、形位公差和微观的表面粗糙度三者间的关系。对于普遍反映较难把握的内容，宜鼓励学生主动调用头脑中现有而熟知的间接或直接的经验储备，变换思路和角度去认识和理解，往往出现“柳暗花明”的效果，这样既巩固和优化了原有的知识结构体系，又能事半功倍地完成学习任务。比如，较为抽象的形位公差带和误差评定部分，就可动员已掌握的数学几何知识，采用“头脑风暴法”讨论分析相互间的联系与区别，从不同的角度和方向全面把握其实质，培养知识的迁移意识和能力，再适时将涉及的空间结构借助模型、动画与视频进行直观展现，使学生对其有生动的感知和体验，从而能学出兴趣，活学活用，真正学好、学到位。专业的信息交流主要是以图样为传递媒介进行，客观上要求我们的学生能够形成严谨求实、耐心细致的工作习惯和作风，是我们进行培养和训练的主要方向，与此同时也应该对口语交流给予足够的重视，为其思想、情感的健康发展创造充分的条件，让学生体会到表达和倾听的重要作用，使其从敢于表达到能够表达，以致善于表达，并能开放倾听、认真交流学习，树立强烈的团队意识和协作互助观念，形成不卑不亢、谦虚谨慎的处世态度。另外，要反复强调“实践是检验真理的唯一标准”，尽量开展具有针对性的实验、实训活动，让学生在图样标注的练习中，在相互交流的言语描述中，在相关问题的探究中做全面而深入的认知。

2.检测评定

检测评定部分是公差配合与测量技术课程的重要组成，与生产现场有着最直接的联系，是实训、实验的主要内容，但受条件所限一般只进行普通简单计量器具的检测训练，不过实际生产中也确实为降低成本而多采用通用量具，因而动手能力与操作技能的高低往往就表现为能否熟练而灵活的使用普通量具完成检测任务。要想借助简单的普通量具对工件质量作出足够准确的评定，尤其是测量对象的结构或测量要求较为复杂时，就需要科学合理的方法和步骤，需要敏锐的操作手感。而只有充分领悟检测原则的内涵，熟知各类典型测量方法，熟悉量具结构及测量原理，再加上丰富的操作经验积累，才会成功完成。现实生产中，企业总是进行专门化的生产，实际岗位也不需我们成为全能。为保证检测效率和精度，工作现场往往采用专门的计量器具，而随着工件结构、形态及要求的变化，相应的量具也呈现出变化多端。万变不离其宗，只要充分熟悉游标卡尺、螺旋测微器、百分表等基础量具的结构原理，了解计量器具的典型设计变型规律，灵活运用测量原则和方法，就能很快上手而驾轻就熟。因此，学习从共性特点中把握个性，能够由普遍到特殊的辩证转换，训练因地、因时的调整能力，才能获得真正的能力，才能鱼和渔兼得，从而以不变应万变。

通过实训课应使大家体会到动手能力的提高不是朝夕之功，不可一蹴而就，需要坚持不懈的长期努力。教学中不只是传授进入门槛的操作步骤和手法，而是着重说明相关职业岗位的具体要求，指出进一步训练的要领和努力的方向，希望在枯燥繁琐的练习中磨砺出足够的韧劲与毅力，而使性情也有一定的改善。

对于常用的典型结构零件，如轴承、圆锥、螺纹、键及齿轮等，宜结合相关知识背景引入公差与检测内容，可通过视频、动画及模型展示具体检测过程，尽量选用学生喜闻乐见的表达形式，使其在提升专业素质的同时增加专业学习热情。

非典型结构和几何量的准确检测一般较为困难，过程也较为复杂繁琐，为降低成本，实际的工作现场多采用简化的模拟或近似测量。要想获得具有足够可信度的数据，避免误差过大，就要准确掌握检测原则的实质与内涵，真正达到触类旁通而灵活运用的水平，这就需要同学们重点学习和揣摩典型，虚心求教先进，认真总结方法，努力提高解决实际问题的能力。

3.质量管理

质量是企业生存、员工立岗之本，每个职业岗位都要涉及也都应该引起足够的重视。如果我们的学生投身企业，那么无论他从事设计、生产、装配、销售及管理服务等哪个具体环节的哪项工作，都应该知晓足够的质量管理知识，才能真正树立起质量意识，自觉遵循质量控制的原则和法规。

为提升市场竞争力，企业越来越热衷于向管理要效益，期望通过科学高效的规范管理来挖掘自身潜力，确保产品质量的稳步提高。在丰富的企业管理内容中，质量管理向来被得到广泛的重视，众多的企业倾力于为自身构建先进的质量管理体系，并积极的通过获取第三方认证来扩大知名度与市场份额。在现代企业管理中，ISO9000族系列标准是企业普遍采用的质量管理体系，为便于学生将来更好地适应其管理模式，在校期间有必要对其进行适度的培训。联系公差配合与测量技术课程内容而设计质量达标的实训项目，使学生在身体力行中体会其精神实质，充分认识其规范而严谨的科学性，努力将“注重预防，持续改进”核心理念拓展到学习与生活中，培养勤于总结和反思的良好习惯，力图形成脚踏实地、积极进取的处世风格。

四、结束语

总之，根据就业市场的发展趋势和就业岗位的具体要求，树立以人为本，讲求自我实践、自我丰富的教育理念，加强基础文化和基础能力的教学，以增强岗位变化和职业转换的适应性，以及继续学习的可能性，不断地寻求完善和改进，必将使教学工作切实地满足社会的需求。

第3篇：公差测量实训总结范文

中图分类号：TP3文献标识码：A 文章编号：1007-9416（2012）04-0000-00

交通流量预测是现在研究智能交通系统的热门研究课题，通过交通流量预测方法对相关数据进行建模，预测未来交通流量，进一步更好地制定忙时交通分流预案，配备合适的运营资源。因此我们在本文分析了现在流行的交通流量预测的发展方向及进展。具体介绍了交通流量预测的相关模型，并对这些模型进行了讨论，验证数据挖掘技术在高速公路流量监测上应用的可行性。。

现有的短时交通流量预测方法大致可以分为以下两大类：第一类是以数理统计和微积分等传统数学和物理方法为基础的，它主要包括早期的历史平均模型，自回归滑动平均模型(ARMA)，以及后来研究的更复杂、更精度的多元回归模型，Kalman滤波模型，ARIMA模型等；第二类是无数学模型的预测方法，它需要自己建立新的算法来实现，主要方法有非参数回归，谱分析法，基于小波理论的方法，神经网络等。

BP神经网络模型把一组样本的I/O的输入输出问题转化一个非线性优化的问题，它实际是优化中最普通的梯度下降法。假如把这种神经网络的看作是从输入层到输出层的映射，则这个映射是一个高度非线性得关系。

设计一个神经网络模型其重点在于模型网络的构成以及学习算法的取向问题。总体来看，结构是根据所研究领域以及所要解决的实际问题所决定的。通过对其所研究的问题的大量历史资料数据的研究以及当前对神经网络理论发展水平，建立适当的网络模型，并针对所选的网络模型采用适合这种模型的学习算法，在整个网络学习过程中，要不断地调整网络从而调整其相应的参数，直到输出精确的结果，达到预测的目的。

BP神经网络模型的预测步骤为：

首先是要对训练样本进行选取和预处理。根据研究状况以及目标，选取合适的训练样本和检验样本，由于BP神经网络各层转换函数以及学习规则是不同的，所以在输入样本之前要对输入的样本作一下预处理；然后再去确定建造BP网络的结构，这包括变量的选取，隐层和隐层节点数的选取等问题；把输入样本输入到BP神经网络模型中，再进行仿真训练，最后预测出该网络的输出值，再拿该期望值与实际输出进行比较，根据误差去反复的修改误差，从而改变权值以及阈值，直到误差一个可接受的范围，完了再用检验样本进行对比，判断结果；然后对结果进行比较分析，最后认可该网络模型的算法，就可以对未来交通流量进行精确地预测了。

BP神经网络设计大致可以包含以下几个部分：首先是对模型的建立、数据采集并且预处理，然后对输入到模型特征向量的数据进行预测、通过预测的数值去判断是否符合实际数值等。该模型网络的建立是整个系统是否成功的关键，本文的设计也是神经网络的一个应用，只要选择的数据完备、可靠、准确，就有可能得到符合预测的网络模型。数据的采取需要有实时的数据采集系统。事实上预处理的过程要求根据数据的实际情况进行预处理，我们的文章的数据都是来自高速公路监控部门，故具有完备的、一致的，因此要首先要对其进行数据变换。对于系统的输出数值是否满足实际数值，只要将其所得到的预测值和数学期望值进行比较，所得的数值满足在数学期望值的附近(一般误差在10％以下，该系统设计是成功的)且其误差值小于预先设定的误差值时，就可以认为该系统可以成功预测高速公路交通流量，可以先把它记下来；反之，认为将得不到合适的数值，需要不断的改变权值。

对输入到网络模型特征向量数据进行预测是我所研究的重点，这第一步首先是需要建立合适的网络模型，首先将对应的高速公路交通流量的特征向量数据预处理后，输入到网络进行训练，仿真训练结束后，用检验样本的特征向量进行检验，然后用最后一组数据对该模型测试，分析其模型的实际是否有效，判断其是否是符合实际交通流量预测的模型，那么此系统就可以进入到实际的预测阶段。综上所述，只要特征向量的数值的选择较为合适，就有可能建立起较为合适的模型，可以用此来对高速公路交通流量进行预测。所以，BP神经网络作用于高速公路交通流量的预测中是可行的并且是可靠地。

在相同的结构的网络中，因为BP算法它本身存在多个局部的极小点，所以要不断的改变赋予网络连接权值以此来求得相应的网络极小点，从而通过比较这些极小点的网络误差，然后再确定整个网络结构的极小点，以此得到适合该网络的合适权值。在该网络中，神经网络的训练的过程事实上是求该网络结构的极小点的问题，所以，在全局极小点领域内，各个网络连接权值之间存在着巨大的差异，也会导致各个神经元的重要性发生相应的变化。当在不满足隐含层节点数的条件时，也可以求得该网络模型的训练样本误差很小的极小点值，同时该检验样本的误差也许比该值要大许多；如果网络的初值改变了，相应的网络计算出的结果会发生很大的改变。

第4篇：公差测量实训总结范文

关键词：交变负荷；振动刺激；后蹲

中图分类号：G804.4 文献标识码：A 文章编号：1007―3612(2007)03―0360―04

本研究对实验对象进行后深蹲力量训练，探讨交变负荷力量训练系统中“交变负荷力量训练法”与“传统杠铃力量训练法”之间的差异，同时监督机体形态的变化，为今后力量训练的进一步发展提供理论基础和实验依据。

1　研究对象与方法

1.1研究对象实验对象为上海体育学院附属竞技体校女子举重运动员，样本含量20。其中运动健将6人(曾获得全运会、全国锦标赛、冠军赛前八名)，训练年限6年以上，年龄18―21岁，体重级别58、75 kg；级，其余均为一级运动员，训练年限3年以上，年龄17～19岁，体重级别48、53、58、69、75 kg级(依照级别按比例随机分成对照组和实验组)。

1.2研究方法

1.2.1对照组训练方案每周训练三次，每次12组，动作与举重台上的后深蹲一样，共实验8周。

1.2.2实验组训练方案训练负荷完全等同于对照组训练方案中的负荷，只是在交变负荷力量训练系统做后深蹲力量训练，使全身一直受到特定频率的垂直交变刺激。其频率范围为10～30 Hz，加速度为15～20 mg/s＜sup>2＜/sup>，振幅为2～6 mm＜sup>2＜/sup>。

1.3评定指标的测定实验前后一周内，对实验对象进行指标测定。对后深蹲杠铃、膝关节120度静力性最大力量、BIODEX多关节等速肌力矩测试前，实验对象需要作好充分的准备活动，在进行每一项测试前，实验对象都需按照实验的要求先做几次练习，以确保实验的可比性。

1.3.1动力学测试　A：(举重台后深蹲最大负荷)实验对象作完准备活动后，杠铃由轻负荷开始逐渐达到只能后深蹲蹲起一次的最大负荷，此最大负荷值作为实验对象后深蹲评价指标(测试三次取最大值)。

B：(静力性最大力量)要求实验对象充分活动开，站在测力台上，膝关节呈120°，用肩部顶住杠铃，而杠铃紧固在立地杠铃架上，听到号令后，实验对象用最大的力量向上顶，由于杠铃静止不动，实验对象下肢用力表现为静力性力量，该力量表现为开始为零，T毫秒后达到最大值。采样频率为100 Hz，时间为3 s。

C：(等速肌力矩测试)采用美国产BIODEX多关节等速测试系统，对实验对象实验前后同等条件下进行膝关节向心60°/s×5、离心60°/s×5测试，以及髋关节向心60°/s×5的测试，将其结果进行统计分析。

1.3.2生物学测试　A：(体脂)采用常熟产体星牌卡钳，在上海体育学院康复系教研室测试。实验对象在全身放松状态下测试，测试部位为：肩胛下部、上臂部、大腿前部及欧姆龙手指测试。工作人员为上海体育学院运动人体科学系教师、本专业研究生，体密度使用公式：美国Consolazio的公式：青年女子Db＝1.06234―0.00068*肩胛下皮褶厚度-0.00039*上臂部皮褶厚度-0.00025*大腿部皮褶厚度；体脂率推算公式Brozek公式F％＝(4.57/Db―4.142)*100。

B：(体重和围度)实验前后对实验对象进行臀围、腿围及体重的测量，采用TZ―1型体重秤和带状皮尺。围度测试精确到0.1 cm，体重的测试精确到0.01 kg。

1.4统计处理　运用SPSS11.0的均值比较中配对T检验和独立样本的T检验对有关参数进行统计分析，均在95％置信区间进行检验及数据的处理。

2　结果与分析

2.1两种力量训练方法对下肢肌力的影响

2.1.1 两种力量训练方法在举重台上对实验对象后深蹲力量的影响 由表2可见，实验后实验组在举重台上后深蹲的力量增长明显高于对照组，实验前后比较具有显著性差异(P＜0.005)。而对照组增大不明显，实验前后比较具有统计学意义(P＜0.05)。实验后两组具有显著性差异(P＜0.005)。

2.1.2两种力量训练法对膝关节120°时静力性最大力量的影响　实验后实验组膝关节120°寸，下肢的最大静力性力量明显增大，前后比较具有极显著性差异(P＜0.005)；对照组实验后肌力也增大，前后比较具有统计学意义(P＜0.05)，但明显小于实验组。实验后组间比较具有显著性差异(P＜0.005)。

2.1.3实验前后两种力量训练法对下肢等速收缩相对峰值肌力矩的影响 实验后对照组和实验组屈伸肌群相对峰值肌力矩都比实验前明显增大，但实验组力量增大明显高于对照组而且实验屈肌增大的幅度要高于实验伸肌的增长幅度，组内具有显著性差异(P＜0.005)。对照组也存在屈肌肌群增长大于伸肌肌群的现象，组内比较具有统计学意义(P＜0.05)。组问比较具有显著性差异(JP＜0.005)。

实验后，实验组屈伸肌肌群相对峰值肌力矩都比实验前明显增大，而且增大的幅度基本保持一致，组内比较具有显著性差异(P＜0.005)；对照组屈伸肌肌群相对峰值力矩也有所增长，组内比较具有统计学意义(P＜0.05)(表5)。组问具有显著性差异(P＜0.005)。实验前后两种训练方式导致峰值力矩的增长幅度的明显差异，这其中显示出实验组中伸肌肌群的增长幅度稍高于同种状态下屈肌肌群力量的增长。

2.1.4实验前后膝关节肌群等速离心60°/s收缩相对峰值肌力矩的变化由表6可以看出，实验后实验组屈伸肌肌群离心相对峰值肌力矩的提高幅度高于对照组，组内比较具有显著性差异(P＜0.005)；对照组实验后增长不明显，但组内具有统计学意义(P＜0.05)。组间比较具有显著性差异(P＜0.005)，此时离心肌肌群的增长幅度高于以上向心屈伸肌群的相对峰值肌力矩。

2.2交变负荷力量训练系统训练对肌肉力量影响的机制探讨 由以上能够说明实验组比对照组力量的增长比较明显。到底是什么原因导致的呢?本研究由于实验条件限制，不能验证，只能在国内外文献资料的基础上进行分析探讨。

本研究中力量的增长主要是由于神经调节机能的改善，当然也不排除肌肉肥大的影响。神经调节机能的改善主要体现在运动单位募集的数量和形式的改变。即使世界顶尖运动员在激烈竞技时，仍有部分运动单位处于隐能状态。交变负荷刺激作为一种外在刺激，能够激活肌梭中传人神经纤维的兴奋性，反射性的引起梭外肌纤维收缩，故能最大限度地募集运动单位参与活动。交变刺激产生的强直张力反射是通过单突触闭和传导途径，同时产生一些少量的多突触非闭和传导途径。

笔者认为出现以上现象有两个原因，首先，交变负荷刺激

使神经中枢功能加强，导致更多的肌纤维参与运动。在“交变负荷力量训练系统”中练习的实验对象，由于交变负荷的变化即导致神经系统功能加强，肌肉在主动收缩的前提下，其交变刺激能使潜在的运动单位进一步激活，振动传递活化了更多的运动单位参与运动，使其达到了最佳的运动效果，即a运动神经元激发其他神经元募集周遍的肌纤维参加收缩，使肌腹、肌腱都尽力参与同步收缩。Carmelo Bosco Ph.D.D.cl etc(2000)通过肌电图说明振动状态下肌纤维的收缩。因此，在肌肉主动收缩过程中附加振动刺激可动员更多的运动单位参加活动，增加肌肉力量。

其次，改善神经中枢的协调性。在力量训练中，不能仅单纯的练习肌肉力量，应从提高神经系统兴奋性、灵活性、协调性和肌肉练习等几个方面共同发展来提高肌肉的总力量。

3　两种力量训练法对实验对象身体形态(体重、围度、体脂)的影响

3.1两种力量训练法对体重的影响在实验过程中，实验前后及实验过程中每周三清晨空腹测体重以观察其变化，精确到0.01 kg。以下为各级别实验对象体重在实验过程中的变化趋势：

实验组的体重变化与对照组均呈现增长趋势，两组的变化基本不存在大的差别，属于正常生理增长范围，但实验组的增长趋势稍低于对照组。

3.2两种力量训练法对实验对象围度的影响 由表8可以看出，实验组实验对象臀围、腿围的变化趋势与对照组变化大体一致，均属于正常生长范围，但实验组增长幅度总体稍低，组内比较不明显，组间也不具有统计学意义。

3.3两种力量训练方法对体脂变化的影响 体脂可以间接反应实验对象肌肉变化情况，根据实验前后测试结果反应，实验组实验对象的体脂变化总趋势在增长，但增长的幅度总体上低于对照组；而对照组实验对象的体脂变化属于正常生长范围，组间具有统计学意义(P＜0.01)。从数据上反映出实验组小级别实验对象体脂增长稍多，大级别实验对象体脂增长稍低于传统组。

3.4两种力量训练法对身体形态影响的机制探讨 由以上结果可以看出，在“交变负荷力量训练系统”中，实验对象的体重、围度及体脂的变化相比“传统力量训练法”统计的数据大体一致，但增长幅度相对稍慢。本实验未做进一步的实验验证，只能就文献资料和前人的实验进行探讨。笔者认为体重、围度及体脂增长缓慢的原因是：低频振动，提高肌肉的新陈代谢能力，促进血液循环。

4　结论和建议

4.1结论1)交变负荷力量训练系统训练下肢后深蹲力量时，比对照组短期内效果明显，8周内比对照组提高最大力量10％～16％。

2)交变负荷力量训练对下肢肌力矩的影响，比传统力量训练法短期内效果明显，8周内比传统组提高16％～20％。

3)交变力量训练主要通过改善神经中枢的协调性，使神经中枢功能加强，导致更多的肌纤维参与运动，来提高肌肉力量。

4)对实验对象身体形态(体重、形体、体脂)的影响趋于优化，即体重稍降低，围度正常，体脂有所下降。

4.2建议1)在力量训练中采用交变负荷力量训练系统来进一步提高肌肉力量的训练效果。

2)在交变负荷力量训练系统中进行力量训练时根据生物适应性来调节频率的变化。

第5篇：公差测量实训总结范文

一、数据来源与模型设定

(一)数据来源本文所取得数据来自A省税务机关的涉税数据，包括税务登记信息、申报征收信息、财务报表信息、税务稽查信息、发票管理信息、采集信息、代码维护信息7大类数据，共77张数据库表(105331599条记录)和655个Excel文件表(45236224字节数)的微观数据量。经过数据的清洗与整备，选出了A省2011年度1951户、2012年度1302户房地产业纳税人。

(二)模型原理本文测算微观税收流失的基本思路是运用机器学习法建立起纳税人生产经营状况(通过登记数据、申报数据、财务数据等描述)和应纳税额关系的税基模型，然后模拟出纳税人真实的生产经营状况及其应纳税额的关系，进而计算应纳税额，并在此基础上测试相应的税收流失额。本文对房地产业企业所得税和营业税应纳税额的测算建模基于以下假设:一是多数的纳税人经营行为具有一定的一致性，即相似经营条件(同地域、同行业、同规模、同投入)的企业，其经济行为如纳税规律应该相近。二是企业的财务报表数据是通过一定的准则对企业生产经营过程中资金过程进行会计核算的结果，能较为综合地反映企业的生产经营行为，数据可记载企业的行为。三是大量样本、大数据可以反映企业的行为规律，通过对数据的深度挖掘，能够达到预期目标。

(三)算法选择考虑到A省税收数据的情况，本文组合使用了Bagging、决策树两种算法，主要原因如下:(1)Bagging采用重复取样，每个个体分类器所采用的训练样本都是从训练集中按等概率抽取的，因此Bagging的各子网能够很好的覆盖训练样本空间，从而有着良好的稳定性。同时，Bagging对数据的抗干扰能力较强，适合公司规模大小有差异、注册登记类型不同的房地产业，避免因为业务发生的偶然性而失去观测值的“独立同分布”。(2)决策树法是数据挖掘分类算法的一个重要方法，由于A省数据来源多、覆盖面广，对于决策树数据的准备要求较低，而且能够同时处理数据型和常规型属性，特别是能对分布失衡的分类变量自助划分，在相对短的时间内能够对大型数据源做出可行且效果良好的结果。

(四)变量选择有监督的机器学习问题可以形式化地表示为已知目标变量y与输入x之间存在一定的未知依赖关系，即存在一个未知的映射F(x，y)，通过逼近函数反复地训练调整，使预测的期望风险降到最小，以找到最佳的F(x，y)近似目标函数。根据研究目的，本文选择的目标变量为企业所得税、营业税这两个税种的应纳税额。而对于参与变量，原始数据中可供选择的指标很多，但这些指标并非全部有助于税收流失测算，反而可能因为变量之间的相关性、噪声变量等降低模型的有效性。运用传统的聚类方法、因子分析、逐步回归等进行自变量选择是比较繁琐、艰难的工作，机器学习支持全样本、全变量参与，符合大数据分析的需求。所以，本文运用了机器学习法中的噪声稳健性算法(具体算法不再赘述)计算各变量的重要性排序，并以此确定营业收入、利润总额、营业利润、财务费用、管理费用、应纳所得税额等为参与变量。

(五)模型评估本文总结出模型的有效性包括理论模型有效性确认、数据有效性确认和运行有效性确认等三部分。以下将通过模型输出对上述三方面进行评估:1.理论有效性确认。本文运用交叉验证(Crossvalidation)法进行判断。其基本原理为:先以一个子集做分析，而其它子集则用来做后续对此分析的确认及验证。初始子集被称为训练集，而其它子集则被称为验证集或测试集。交叉验证一般需满足:(1)训练集的比例要足够多，一般大于50%;(2)训练集和测试集要均匀抽样。本文的交叉验证结果表明训练集误差率很小，说明机器学习法逼近数据相关性的能力很强。外推性方面，测试集的误差率明显小于1，说明该模型可靠性很高。预测集部分，可以反映出纳税遵从样本的选取比例，不再赘述。2.数据有效性确认。本文采用拟合度检验比较理论结果与实际情况的吻合程度。常用方法包括剩余平方和检验、卡方(c2)检验和线性回归检验等。本文所用方法是对实验中每个目标变量的500个模型同时进行检验，以判断模型对实际情况的“吻合程度”。检验结果显示拟合度平均值大于80%，表明数据拟合效果较好。3.运行有效性确认。本文通过分析模型在构建中的误差走势和残差分布来确定运行有效性。计算结果见图1(以2012年度、营业税为例)，其中左、中、右分别为误差走势图、残差分布核密度图、残差分布Q图。误差走势图显示数据误差在最后环节基本趋于稳定且逼近最小值，残差分布核密度图和残差分布Q图则显示残差分布属于正态分布，这说明数据结果在统计上是可靠的。

二、测算结果

(一)企业所得税税收流失测算的总体结果2011年度主要测算结果为:企业所得税总流失金额189720235.7元、总流失率44.99%，存在低申报缴纳税款的户数在为995户，总流失户比76.42%;2012年度主要测算结果为:企业所得税总流失金额311769655.50元、总流失率51.47%，存在低申报缴纳税款的户数在为1059户，总流失户比54.28%。数据反映，2011－2012年度企业所得税的税收流失现象较为严重，且有恶化趋势。从税收流失的区间分布看，企业所得税流失主要集中在少数纳税人身上，税收流失集中性非常明显。据统计，其中，2012年度流失金额在100万以上的仅为42户、占总流失户数的2.15%，流失金额为244580407.5元、占总流失金额的78.45%。这一结果表明，税务机关在实际工作中应重点关注税收流失严重的企业，从源头上防止税源流失。

(二)营业税税收流失测算的总体结果2011年度主要测算结果为:营业税总流失金额64059647.53元、总流失率21.64%，存在低申报缴纳税款的户数在为1232户，总流失户比94.62%。2012年度主要测算结果为:营业税总流失金额53222753.25元、总流失率3.63%，存在低申报缴纳税款的户数在为1786户，总流失户比91.54%。与企业所得税相比，房地产业营业税的税收流失率较低，这可能与营业税的征收方式单一，并采用以票控税的征管方式有关。

(三)按经济性质划分的税收流失情况本文按照纳税人的经济性质分别测算了各类企业的税收流失情况，计算结果见表1(以2012年度企业所得税为例)。数据显示，不同经济性质的纳税人流失情况还是有很大的不同。从“流失金额＞100万的纳税人户数占总户数的比”看，应重点关注的是国有企业;从“流失金额＞100万的流失金额占总金额的比”看，应重点关注的是国有企业、私有有限责任公司、有限责任公司、其他有限责任公司。

(四)按主管税务机关划分的税收流失情况本文按照纳税人所属主管税务机关分别测算了各税务主管机关的税收流失情况，计算结果见表2(以2012年度企业所得税为例)。由于各管辖范围内的房地产发展情况、征管质量和纳税人结构等的不同，各市纳税人的税收流失金额、流失户数比例等存在着不少的差异。从税源专业化角度上来讲，上级税务机关应综合考虑税源数量、税源结构、税源地域分布、基层人员数量和素质等因素，对征收管理和绩效考核进行全盘考虑。

三、结论

第6篇：公差测量实训总结范文

[关键词] 财务困境预测； SVM多分类模型； 平均影响值

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 04. 001

[中图分类号] F275.1 [文献标识码] A [文章编号] 1673 - 0194（2014）04- 0002- 04

1 引言和文献综述

近些年来，国内外的专家学者对企业的财务困境预测进行了大量的研究，提出了许多有价值的预测方法。但大多数学者把研究样本分为困境公司和健康公司两类进行研究，而公司陷入财务困境往往会经历一个逐步衰败的过程，仅仅将公司分为困境公司和健康公司，往往会忽略健康公司面临的一些问题，有些公司虽然没有戴帽，但是财务状况并不理想，有的甚至亏损。因此，将上市公司仅仅分为困境公司和健康公司两类进行研究，难以判断健康公司财务状况的好坏程度及其是否处于财务困境的边缘，不能给投资者、公司管理层和债权人等相关各方提供更为明确的反映公司未来财务情况的信息。

Amy Hing-Ling Lau于1987年在“五状态财务困境预测模型”一文中首次将企业财务状况分为5个状态：财务稳定阶段、未支付股利或股利较上年减少达40%以上阶段、无法偿还贷款阶段、受破产法保护阶段、破产阶段。他认为从状态2到状态5，企业处于财务困境状态，并且严重程度逐步增加。我国学者吕长江、赵岩（2004）也突破将企业财务状况仅分为“好”和“坏”的简单分类，在理论上将公司财务状况分为5类：财务闲置、财务充盈、财务均衡、财务困境和财务破产，并且用实证分析证明了该理论假设。刘彦文、戴红军（2007）采用三分法，即在将公司分为财务困境公司和非财务困境公司两类的同时，又将非财务困境公司按一定标准分为财务状况不稳定公司和财务状况良好公司，构建了一个基于三元logistic的财务预警模型。结果显示，三元Logistic预警模型的判别能力优于二元logistic预警模型，误判成本也相对降低许多。本文在借鉴已有研究的基础上，结合我国实际情况，将非困境公司按照其盈利能力划分为健康公司和亚健康公司，进而将上市公司整体划分为3类：财务健康公司、财务亚健康公司和财务困境公司（以下分别简称为：健康公司、亚健康公司和困境公司）来进行实证研究，以获得更加精确的分类结果。

2 样本和变量的选取

2.1 分类标准

由于我国证券市场的退市制度建立较晚，退市的企业很少，因此，与国内众多学者一样，本文将公司因财务状况异常而被特别处理（ST）作为陷入财务困境的标志，即选择ST和*ST公司作为困境公司的样本。

一般来说，反映企业财务状况的指标主要有偿债能力指标、盈利能力指标、营运能力指标和成长能力指标等。在这些指标中，盈利能力指标是核心，因为利润是企业生存和发展的保障，是企业竞争力的集中体现，企业的盈利能力越强，抵御风险的能力也越强。从长远来看，企业的偿债能力、营运能力和成长能力最终都取决于企业的盈利能力； 另一方面，上市公司发行证券和被特别处理的标准都是盈利能力指标。我国规定当上市公司出现连续两个会计年度净利润均为负值或者最近一个会计年度每股净资产低于股票面值时，则会对该公司股票交易实行特别处理，即被宣布为ST。基于以上原因，本文采用盈利能力指标作为界定财务健康公司和亚健康公司的标准。

2.2 样本选取和数据来源

为了避免行业差异对预测结果的影响，增强指标的可比性，本文选择制造业中样本量较大的石油、化学、塑胶、塑料行业（以下简称化工行业）的上市公司作为研究对象（为了避免资产规模对预测结果的影响，剔除了中小板的上市公司）。考虑到资料的时效性和可获取性，本文选取了该行业2002-2012年被首次宣布为ST的24家上市公司作为困境公司样本，选取了近两年中至少有一年每股收益小于0.05元（0.05是正常标识公司每股收益的20%分位数）的32家上市公司作为亚健康公司样本，其余的67家正常标识公司为健康公司样本。本文没有遵循惯例进行样本的配对，因为配对抽样会造成样本中各类公司的比例和它们在总体中的比例严重不一致，从而高估模型的预测能力。

由于证监会是根据上市公司前一年的年报所公布的业绩判断其是否出现财务状况异常并决定是否要对其进行特别处理的，所以只采用上市公司前一年的年报数据预测其是否会被ST显然会夸大模型的预测能力。因此，本文选择困境公司被ST前两年的面板数据，健康公司和亚健康公司采用近两年（2011-2012）的数据来进行预测研究（在具体的实证研究中去掉了一些含有异常值的数据样本）。数据来源是Resset金融研究数据库，相关检验及模型估计是用SPSS 16.0和Matlab软件来完成的。

3 初始指标选取

在财务困境预测的实证研究中，财务指标的选取到目前还没有统一的结论。本文借鉴以往的经验，从公司的盈利能力、偿债能力、营运能力、成长能力、现金流量和每股指标6个方面选取了20个财务变量（见表1）作为备选指标。

（注：***表示在1%水平上显著， **表示在5%水平上显著）

从检验结果可以看出，在5%的置信水平上除了存货周转率接受原假设外，其余变量均拒绝原假设，即除了存货周转率以外，其余变量在各个类别之间均存在显著差异。所以将存货周转率剔除，其余19个指标进行变量筛选。

4.2 变量筛选

对于变量筛选，大量的实证研究采用统计方法，但统计方法往往有严格的假设条件限制，使得其有效应用受到制约。所以本文提出了一种基于平均影响值（Mean Impact Value，MIV）的SVM变量筛选方法，通过该方法可以筛选出对结果有重要影响的输入变量，从而提高模型的预测精度。

4.2.1 基于平均影响值MIV的SVM变量筛选方法

MIV是用于确定输入变量对输出变量影响大小的一个指标，其符号代表相关的方向，绝对值代表影响的大小。本文选择MIV作为评价各个自变量对因变量影响大小的指标。具体计算过程如下：

（1）用原始训练样本P对SVM进行训练，并对训练集P进行回归预测。

（2）将训练样本P中每一自变量在其原值的基础上分别加/减10%构成两个新的训练样本P1和P2，将P1和P2分别作为仿真样本利用已建成的模型进行仿真，得到两个仿真结果A1和A2，求出A1和A2的差值，即为变动该自变量后对输出产生的影响变化值（IV，Impact Value）。

（3）将IV按观测例数平均得出该自变量对因变量的平均影响值MIV。同理可算出各个自变量的MIV值。

（4）根据MIV绝对值的大小为各自变量排序，得到各自变量对因变量影响相对重要性的位次表，从而判断出输入变量对输出结果的影响程度，即实现了变量筛选。

4.2.2 变量筛选的Matlab实现

4.2.2.1 选定训练集和测试集

在原始数据的231个样本中，有145个健康公司样本（类别标签为1），38个亚健康公司样本（类别标签为2），48个困境公司样本（类别标签为3）。将每个类别分成两组，重新组合数据，最后本文选择了150个样本作为训练集，用于训练SVM模型，选择了81个样本作为测试集，用于测试模型分类的准确率。

4.2.2.2 数据归一化

在进行SVM模型训练之前一般需要对数据进行归一化预处理。本文采用的归一化映射为：

f：xy=■

式中，x，y∈Rn，xmin=min（x），xmax=max（x），yi∈[0，1]，i=1，2，…，n。

归一化的效果是将原始数据规整到[0，1]范围内。

4.2.2.3 参数寻优

用SVM进行预测时，为了得到比较理想的预测效果，需要调整两个主要的参数（惩罚参数c和核函数参数g）。本文选择K-CV方法来进行参数寻优，其基本思想是：将原始数据分成K组（一般是均分），将每个子集分别作一次验证集，同时其余的K-1组数据作为训练集，这样会得到K个模型，用这K个模型验证集的MSE（均方误差）的平均数作为此K-CV的性能指标。在此基础上让c和g在一定的范围内变化，对于取定的每一对c和g ，都将得到一个平均的MSE，最后选择使平均MSE最小的c和g。经过Matlab编程运算，最后得到的最优参数为：c=1，g=3.031 4 。

4.2.2.4 训练并对训练集回归预测

最优参数确定以后，利用这两个参数来训练模型，并对训练集进行回归预测。该模型的相关性能指标为：

MSE = 0.044 546 R2 = 0.729 932

式中，MSE为均方误差，R为相关系数。

第7篇：公差测量实训总结范文

【关键词】肥胖女性；摄氧量；功率车。

有效的运动减肥依赖于科学合理的运动处方，其核心是合理的负荷强度和负荷量。运动生理学研究发现摄氧量是评价运动强度的重要指标， 但在日常锻炼中由于摄氧量测试仪器十分昂贵， 所以大多通过现有的摄氧量推算公式间接测的， 可是目前已有的和女性相关的三个摄氧量推算公式是否适合我国的青年肥胖女性尚未见报道。本文的研究主要是检验已有的3个功率车运动摄氧量推算公式应用于中国青年肥胖女性的精确性， 为青年肥胖女性有效地进行运动减肥提供理论依据和实践指导。

1 研究对象与方法。

1.1 研究对象。

招募单纯性肥胖女性40名， 身高大于150cm，bmi≥28，fat%大于30%，样本情况见表1。

1.2 研究方法。

1.2.1 摄氧量的测试方法。

采用美国maxⅱ气体分析仪。运动过程中气体分析仪每15秒采集一次摄氧量值， 取每个运动负荷（w）的最后一分钟的摄氧量平均值为该运动负荷的摄氧量值。

1.2.2 实验方案。

受试者分别完成递增负荷的功率车运动， 负荷以0w起，每3分钟递增30w，至120w结束运动，功率车转速为60转/分钟。取受试者每个负荷下的摄氧量实测值和现有的3个功率车运动摄氧量推算公式推测值比较，即美国运动医学会（acsm）针对正常健康人群建立的摄氧量推算公式：（ml·kg-1·min-1）=功率/体重×10.8+7；latin建立的适用于青年女性的摄氧量推算公式：（ml·min-1）=功率（kgm·min-1）×1.6+{〔3.5×体重（kg）〕+205}；latin建立的青年男女均适用的摄氧量推算公式：（ml·min-1）=功率（w）×11.0+〔6.7×体重（kg）〕，检验其精确性，并建立新公式。

1.2.3 数据统计。

实验数据经spss11.5数据软件包处理，结果以平均数加减标准差（m±se）表示。各公式推测值与实测值之间比较采用配对t检验，及相关分析，以公式预测标准误see（see=sy）及总误e（e=）评价公式预测精度，回归分析建立新的摄氧量推算公式。

2 实验结果

2.1 acsm功率车运动摄氧量推算公式检验结果。

研究结果表明acsm针对正常健康人群建立的摄氧量推算公式在30w、60w、90w、120w下的公式推测值与我国肥胖女性同功率下的实测值比较，四个负荷下的摄氧量公式推测值都高于实测值， 摄氧量均值相差32～79ml/min不等， 四个功率下的差异都具有显著性（p<0.05）。see值范围在24～42ml/min之间，e值范围在58～87ml/min之间， 每个功率下的公式推测值和实测值的相关系数达到0.72以上（见表2）。

2.2 青年女性功率车运动摄氧量推算公式检验结果。

latin针对青年女性建立的摄氧量推算公式在30w、60w、90w、120w下的各公式推测值与中学肥胖女生同功率下的实测值比较， 每个负荷下的摄氧量公式推测值都低于实测值，除了30w时差异不具有显著性外（p?0.05），60w、90w、120w下的公式推测值与实测值间差异均具有显著性（p?0.05），摄氧量均值相差28～68ml/min不等。see值范围在17～23ml/min之间，e值范围在26～82ml/min之间。四个功率下的摄氧量公式推测值和实测值的相关系数均达到0.83以上（见表3）。

2.3 青年男女功率车运动摄氧量推算公式的检验结果。

latin针对青年男女建立的摄氧量推算公式在30w、60w、90w、120w下的各公式推测值与中学肥胖女生同功率下的实测值比较， 每个负荷下的摄氧量公式推测值都高于实测值， 且差异均具有显著性（p<0.05），摄氧量平均值相差36～76ml/min不等。see值范围在26～38ml/min之间，e值范围在60～85ml/min之间， 四个功率下的摄氧量公式推测值和实测值的相关系数达到0.67以上（见表4）。

2.4 三个摄氧量推算公式验证结论。

从各公式see及e值比较来看，latin针对青年女性建立的摄氧量推算公式预测精度最高（see，130.86ml/min；e，68.83ml/min）（见表5）。acsm针对正常健康人群建立的摄氧量推算公式、latin针对青年男女建立的摄氧量推算公式预测精度则相对较低。从摄氧量公式推测值与实测值的平均误差值来看，acsm针对正常健康人群建立的摄氧量推算公式、latin针对青年男女建立的摄氧量推算公式推测值均高于实测值， 而latin针对青年女性建立的摄氧量推算公式推测值除30w外均低于实测值，这说明三个公式应用于我国青年肥胖女性均存在不同的误差。[论文网 lunwendatacom]

3 讨论。

本研究发现acsm建立的功率车运动摄氧量推算公式、latin针对女性及青年男女建立的功率车运动摄氧量推算公式， 应用于我国青年肥胖女性都有着不同程度的误差，其影响因素可能有以下几方面：

3.1 性别因素。

人体运动的运动效率是人体运动中的能耗量与其对外所做功的比值， 能耗量的计算主要通过测量运动中的摄氧量及呼吸商获得， 在相同的实验条件下， 较低的运动效率通常表现为同负荷下较高的摄氧量值， 而较高的运动效率通常表现为同负荷下较低的摄氧量值。/wr（ml·min-1·w-1）被认为是健康人群功率车运动有氧工作效率的一个重要指标〔1〕。neder〔2〕等以20～80岁的男性及女性人群为研究对象，结果显示所有年龄段男性功率车运动的/wr（ml·min-1·w-1）均显著高于女性，摄氧量与负荷的线性关系存在性别差异， 这可能是由于女性心肺功能弱于男性导致运动中女性更多依赖无氧供能造成的。

3.2 运动训练因素。

susie〔3〕等人研究发现，无论老年人还是青年人，经过一段时间的训练后， 摄氧量值均显著低于训练前。gardner〔4〕等研究同样发现，经过一定时间的训练，男性及女性、青年人及老年人运动中的效率都将提高， 亚极量功率车运动中的能耗量与运动前相比显著降低。这说明训练对不同性别不同年龄段的人群运动中摄氧量及运动效率均产生影响， 有无训练史是影响运动摄氧量的一个重要因素。

3.3 较大的腿部重量。

cotes〔5〕和pavies〔6〕等人研究认为，肥胖人群功率车运动相对较高的摄氧量是因为较大的腿部重量，并且研究显示肥胖者功率车运动中的摄氧量和肥胖者大腿围度有着较高的相关性（r=0.67）。此结论被kamon〔7〕及soule〔8〕等人通过在受试者身上施加额外的负荷得到证实。neder〔9〕等人研究表明功率车运动中的摄氧量和腿部重量及体重有着较高的相关性，且与腿部质量的相关性高于体重， 受试者腿部占全身重量的比例越高，运动中的摄氧量也越高。

3.4 运动中相对较高的呼吸肌耗能。

肥胖者安静及运动中较高的呼吸肌耗能也被认为是功率车运动中相对较高摄氧量的一个原因。kress〔10〕等人研究表明，肥胖者安静时呼吸肌耗能高于正常人群， 随着运动强度的增加， 呼吸频率的增大，运动中呼吸肌耗能将会随之增加。有研究表明，肥胖者安静时的呼吸肌所做的机械功随着bmi的增加而增大。

3.5 综合因素。

chen〔11〕等人研究发现，女性和男性在走及上下台阶运动中的摄氧量及运动效率存在差异， 当走速为0.9～1.2米/秒时， 无论男女体脂百分比对运动效率均不产生影响，而当走速降至0.6米/秒时，体脂百分比与男性运动效率具有较高的相关性， 而对女性仍然不产生影响。女性在上下台阶过程中的运动效率要高于男性。很多的研究也表明运动效率还随着运动强度的变化而变化。在跑台阶及功率车运动的研究中， 人们发现运动效率随着体重和体成分的变化而变化。这表明年龄、性别、体重、体脂百分比和运动形式都会对运动中的摄氧量及运动效率产生影响。acsm功率车运动摄氧量推算公式虽然经过修订，但适用对象仍然很宽泛，因此当使用对象具体到一定的性别、有训练史、肥胖等人群时，公式的精确性就很有限，不同的人群、不同运动强度都会出现不同的误差。本实验研究对象为青年肥胖女性，所以性别及体成分会对功率车运动摄氧量产生影响， 这是acsm功率车运动摄氧量推算公式应用于青年肥胖女性精确性低的一个重要原因。

肥胖是影响运动摄氧量的一个重要因素， 从事相同负荷功率车运动时肥胖女性摄氧量要高于正常女性，功率车运动效率相对较低，在不同程度的肥胖人群之间也存在显著差异， 所以在研究功率车运动摄氧量时，肥胖人群应作为一个独立的人群来研究。

本研究结果显示，latin针对青年女性建立的公式在30w的负荷下有着较高的精确性，其它负荷下的公式推测值均小于实测值， 是本研究中应用于中国青年肥胖女性误差最小的一个公式。建立该公式的受试者为年龄26.0±4.8岁的正常女性，与本研究受试者年龄较接近，且性别同为女性，因此该公式应用于中国青年肥胖女性的误差主要来源于体成分的影响。

4 结论。

年龄、性别、体脂百分比、运动训练、健康状况等会对运动中的摄氧量产生重要影响， 因此在对肥胖人群功率车运动摄氧量进行公式推算时， 最好选择和研究对象为同质人群为样本建立的公式。

参考文献。

〔1〕黄黎，边卫。人体运动效率的概念及计算方法〔j〕。北京体育师范学院学报，1998，10

〔2〕alberto j. neder，luiz e. nery，clovisperes，et al. reference values for dynamic responsesto incremental cycle ergometry in males and females aged 20 to 80〔j〕。

〔3〕susie j. woo，md，christina derleth，md，john r.stratton，et al. the influence of age，gender，andtraining on exercise efficiency 〔j〕。 journal of theamerican college of cardiology，2006，47：1049 -1057.

〔4〕chisari c，bresci m，licitra r，et al. a functionalstudy of oxidative muscle efficiency in older people〔j〕。basic appl myol，2002，12：209-212.

〔5〕chen，kong y，sari a. acra，candice　l.donahue，et al. efficiency of walking and stepping：relationship to body fatness 〔j〕。 obes res，2004，12：982-989.

〔6〕cotes，j.e，d.allsopp，f.sardi.human cardiopulmonary responses to exerci -se，comparisons betweenprogressive and steady state exercise，betweenarm and leg exercise，and between subjects differingin body weight〔j〕。q.j.exp，physiol，1969，54：211.

〔7〕pavies，c.t.m,s.godfrey，m.light，a.cardiopulmonary responses to exercise in obese girls andyoung women〔j〕。j.appl physiol，1975，38：373-376.

〔8〕kamon，e，k.f.metz，k.b.panpolf，etal.climbingand cycling with additional weights on the extremities〔j〕。 j.appl physiol，1973，35：367-370.

〔9〕soule，r.g，r.f.goldman.enetgy cost of loadcarried on the head，hands，or feet〔j〕。j.appl physiol，1969，27：687-690.

第8篇：公差测量实训总结范文

【关键词】赛艇；承受训练负荷；状态诊断

Research on the State Diagnosis of Enduring Training Load of Rowers

YANG Yong

（Henan Administration Center of Water Sports， Xinyang 464000， China）

【Abstract】Basing on the exploring load calculating method of training load， this paper establishes primarily a state diagnosis method of the enduring training load of rowers by the way of combining biochemistry index with load changing and carried 16-week monitoring. The results show that this method can truly reflect functional status and has a higher value. It is more objective and accurate to combine the biochemistry index with load changing when evaluating the state of enduring training load.

【Key words】rowing； enduring the training load； state diagnosis

引言

科学诊断运动员承受训练负荷的状态，是当今运动训练科学化的一个重要问题。目前，有关赛艇运动员承受训练负荷状态诊断的研究较多，其方法主要是依据生理生化指标的变化来完成，但很少将其变化与训练负荷的变化进行对比评定。由于许多生化指标对负荷的变化具有一定的滞后性，使得诊断缺乏客观性，大大降低了诊断结果的有效性。为此，本研究拟在探讨训练负荷量化方法的基础上，对赛艇运动员承受训练负荷状态诊断进行深入研究，旨在为科学调控运动训练，提高赛艇运动水平提供有力依据。

1研究方法

1.1文献资料和专家访谈法

通过MEDLINE网址、全国中文期刊网（1993-2008）检索相关文献，走访赛艇生理学权威专家Hartman博士及德国、荷兰和中国国家队教练员，全面了解掌握赛艇训练负荷强度的分级、负荷诊断的敏感指标和方法，为负荷的量化、诊断指标的选择和方法的确定提供参考依据。

1.2实验法

1.2.1研究对象

河南省女子公开级赛艇运动员12名，均为运动健将，具体情况见表1。

1.2.2样本采集与测定

分别在冬训第二、三阶段记录、统计、计算训练负荷量和强度，并每周抽取安静时晨静脉血进行测试。BU、CK的测定由上海产XD-811半自动生化仪完成； Hb的测定由日本光电MEK-6318K全自动血球计数仪完成；T、T/C的测定由美国AXSYM全自动化学发光仪完成。

1.2.3数据处理

全部数据以平均数±标准差（X±S）表示，用SPSS10.0统计软件进行重复测量方差分析。P

2 结果与分析

2.1负荷的度量方法

负荷强度。外部强度一般是以比赛最大速度的百分比确定，内部强度是以最大心率的百分比或血乳酸确定〔1， 2〕。国内外赛艇训练强度的分级也大多以此为依据，但这些方法只能对某一种练习进行度量和评价，对具有多种强度练习的课、单元及阶段整体训练强度很难度量和评价，这些强度的度量并非简单的算术累加。为此，本研究引用早期评价心理紧张程度的公式对负荷强度进行度量〔3〕。通过公式一可精确计算出课、单元及阶段整体训练强度，但该方法需测试每种练习的强度，较为繁琐。

公式一：I=∑Ii・ti / ∑ti

（I―平均强度，Ii―单次训练强度，ti―单次训练时间）

赛艇专项训练强度一般分为6级，分别为无氧―Ⅰ级，氧运输―Ⅱ、Ⅲ级，无氧阈―Ⅳ级，氧利用1―Ⅴ级，氧利用2―Ⅵ级。此外，还有放松恢复、力量训练和柔韧训练。本研究分别记录这些强度训练时的心率，再除以100，以相对心率代表某种训练的强度，通过公式一计算便可得出课、单元及阶段整体训练强度。

负荷量。适用于外部负荷量度量的指标很多，如训练距离、时间、次数等。由于赛艇训练水面并不确定，训练的实际距离难以测量。为此，本研究采用训练的持续时间对负荷量进行度量，只要将每种练习的持续时间累加就可计算出训练课、单元及阶段的负荷量，其度量方法相对简单、可比性强。

总负荷。许多生化指标受负荷强度及负荷量的共同影响〔4， 5〕。单独使用负荷强度或负荷量并结合生化指标的变化来探讨运动员承受训练负荷状态难免出现偏颇，因此，总负荷的计算就显得尤为重要。本研究认为总负荷与负荷强度和负荷量存在指数关系，通过公式二可计算出总负荷，使其量化。

公式二：L=T×I

（L―总负荷，T―负荷量，I―负荷强度）

2.2承受训练负荷状态的诊断方法与指标

运动员承受训练负荷状态的诊断，实际上就是对在训练负荷作用下运动员是否处于适应、疲劳和恢复状态的诊断。这方面的研究相对较多，但多数研究并未与负荷结合。本课题在前人研究和大量实证研究基础上，运用生化指标，结合总负荷度量方法对这几方面进行诊断，具体方法见表2。

2.3实验结果与分析

由公式二计算的总负荷变化如表3所示。在冬训第2阶段（1～7周），总负荷的变化波动很大；在第3阶段（8～16周）虽有波动，但总体明显小于第2阶段。由于冬训以强化量为主，强度变化相对平稳，因此，总负荷的变化与负荷量的变化非常相似。

2.3.1肌酸激酶的变化

CK的变化见表3，在第2阶段初，CK变化与总负荷的变化并不一致，但阶段末随总负荷明显下降；在冬训第3阶段，总负荷呈锯齿形上升，而CK的高点呈锯齿形下降，但无显著性差异。

许多研究报道CK是评定运动员机能状态的敏感指标〔6，7〕。本研究结果是，CK在总负荷波动较大时变化较为明显，而在总负荷波动较小时无明显变化，其变化也与总负荷的变化并非完全一致。如果从2个阶段末期CK下降的结果来看，运动员机体对训练负荷产生了适应、疲劳消除甚至出现超量恢复，但与运动员在冬训第2、3阶段后期出现大面积疲劳甚至过度疲劳的事实相左却无法解释。分析原因，只能解释为CK对评定负荷强度和肌肉的损伤程度较为敏感，而对评定运动员的机能状态太不敏感。因此，运用表2对运动员承受训练负荷状态进行诊断时，应密切关注其他指标的变化。

2.3.2血尿素和血红蛋白的变化

许多研究报道，BU的变化常常与负荷量同步，而Hb常表现出一定的滞后效应〔8，9〕，也有研究报道Hb与BU存在一定的负相关关系〔10〕，但两者随总负荷的变化却鲜有报道。本研究结果是，两者经常会出现相互靠拢及背离现象。BU常常在大负荷训练后的第2周有明显下降或基本不变，如第3、6、9、12、15周；而Hb也大都在这个时间或一周后升高，如第6、10、12、16周。此时，它们的相关度高，运动员机体有一定恢复，疲劳减轻并对负荷产生一定适应。本研究还观察到，BU随负荷的增加而明显增加只发生在BU值处于相对低位时，在BU值处于高位时，这种变化并不明显，如第8、13周；而且在BU值处于超过临界的高位时，无论是负荷的增加还是减小，BU值的变化都不明显，如第5～8周和第11～16周。分析原因可能是：在负荷增加时，BU值本已处于高位，机体处于应激的抵抗阶段和衰竭阶段，产生了保护性抑制，使训练不能保质保量完成，导致BU值不再升高；而在负荷减少时，由于机体长时间训练消耗过大，体内糖原储量不足，造成蛋白质的分解代谢仍很旺盛，此外，也可能与训练调整不足有关。另外，本研究还发现，在负荷大幅降低的调整周后，BU值几乎都处于上升，如第4、7、10、13和16周，而此时Hb降。此时，运动员机体表现出恢复很差、疲劳积累以及对负荷很不适应。提示负荷一旦产生严重的累计效应，仅调整1～2周是不够的，在调整周出现BU值上升，可能是过度训练的征兆，这应引起充分关注。

许多研究报道，清晨安静时血尿素达7～8 mmol/L时为过度训练〔1，8〕。从本研究结果看，在第2阶段后期，连续3周血尿素值在7.0 mmol/L以上；在第3阶段中后期，血尿素值连续3周在8.0 mmol/L以上，连续5周在7.0 mmol/L以上。表明运动员对这两个阶段的训练负荷很不适应，恢复能力较差，出现了疲劳，尤其是在第3阶段出现了过度疲劳。运用BU评定运动员承受训练负荷状态时，不仅要结合负荷的变化，还应结合其疲劳阈值。

有文献报道，当Hb的水平较训练前下降了10%时，运动员的机能状态大多不好，比赛成绩不佳〔11〕。从本研究结果看，在整个冬训过程中升降都不到10%，且无显著性差异，这与上述研究结果并不一致。根据我们多年的实践经历，赛艇运动员在某一阶段训练中的Hb变化一般都不会超过10%，但其低点多与BU值的高点对应，基本上反映了运动员的机能状态。因此，运用Hb评定运动员承受训练负荷状态时应与BU等其他指标结合。

2.3.3血睾酮和皮质醇的变化

冬训第3阶段T、C测试结果见表4。从中看出，在训练的第7到第10周T、C无明显变化；在两周较大负荷训练后，经过第13周的调整，T和T/C明显升高；在随后两周大负荷训练后，虽经调整，但T和T/C仍明显下降。

血睾酮是体内主要的促合成代谢激素之一，具有抑制肌糖原分解，激活糖原合成的作用；并促进红细胞生成、合成蛋白质。皮质醇（C）是肾上腺皮质分泌的异化激素，其主要作用是使蛋白质分解转化为糖，保持血糖浓度相对稳定，促使脂肪分解 〔12〕。

Maestu（2005）研究报道，赛艇运动员3周的大负荷训练导致T/C有较大幅度降低，后经过2周以大负荷量一半的训练量调整后，T/C又恢复到训练前水平，并认为调整后可连续进行3周的每周超过1000分钟的大负荷训练。大负荷训练后T/C降低是由于T值的降低而C值的变化不大所致〔13〕。本研究的训练负荷大致与上述研究相仿，连续2周的大负荷量训练都在1200分钟左右；而调整周的负荷量在600分钟左右（见表3）；T和T/C的变化也与上述研究结果基本一致，只是在第16周的调整后明显降低，显示此时运动员的合成代谢减弱，恢复较差。分析原因可能是之前连续进行两周大负荷训练后的调整幅度不大所致（见表3）。

3小结

本文在充分探讨赛艇训练负荷量化方法基础上，初步研制了生化指标与负荷变化相结合的运动员承受训练负荷状态诊断的方法，并运用该方法对赛艇运动员进行了为期16周的诊断与监测，初步验证了该方法能较为及时、准确、客观地反映训练负荷，具有很高的实用价值。

CK的变化与总负荷的变化并非完全一致，不是评定运动员承受训练负荷状态的敏感指标； BU基本随总负荷的变化而变化，但在BU处于高位、运动员处于疲劳状态时，并不随负荷的变化而明显变化；在调整周BU值处于上升，则是疲劳产生的征兆。Hb与负荷的变化并非完全一致，其低点虽基本与BU的高点对应，但相对滞后，应用Hb评价负荷量时应与BU结合起来；T和T/C基本上能反映运动员的机能状态。总体上讲，应用生化指标评定运动员承受训练负荷时一定要结合负荷的变化和运动员身体状态才更为客观、准确。

参考文献

〔1〕林文.运动负荷的生化评定〔M〕.广州：广东高等教育出版社，1996.

〔2〕哈特曼.赛艇运动生理学导论〔J〕.赛艇技术资料，1996，1：21-31.

〔3〕武福全译.对训练负荷和比赛负荷的监督〔M〕.北京：国家体委体育科学研究所出版社，1981.

〔4〕冯炜权.运动训练生物化学〔M〕.北京：北京体育大学出版社，1998.

〔5〕冯连世.运动与血浆酶活性的变化〔J〕.中国运动医学杂志，1991，10（2）：88-94.

〔6〕刘振玉.运动训练与肌酸激酶研究进展〔J〕.天津体育学院学报，1999，14（1）：30-32.

〔7〕杨翼.男子赛艇运动员冬训期间血清酶活性及心电图的变化〔J〕.武汉体育学院学报，2001，35（6）：46-49.

〔8〕冯连世.优秀运动员身体机能评定方法〔M〕.北京：人民体育出版社，2003.

〔9〕葛新发.血尿素在划船训练医务监督中应用的实验研究〔J〕.武汉体育学院学报，1996，30（4）：54-56.

〔10〕陈重，王昌波.血红蛋白的生成与大运动量训练的关系〔J〕.赛艇皮划艇资料，1993，1：19-31.

〔11〕黄杰明.湖南省划船运动员的机能评定〔J〕.赛艇皮划艇资料，1990，3：4-9.

第9篇：公差测量实训总结范文

【关键词】基金仓位；神经网络；投资风格

一、引言

公募基金行业作为我国迅猛发展的金融理财行业，规模不断扩大，投资者队伍迅速壮大。基金仓位反映市场信心，可以作为投资者判断后市走向的重要指标。对基金仓位的预测一直是学术界和投资者感兴趣的问题之一，具有实际应用价值。对于关于基金仓位预测模型的研究，目前国内还局限于传统线性回归方法，前提假设过于苛刻，忽略了很多影响仓位的动态因素，造成无法容忍的误差。目前公募基金的仓位数据仅在每年的定期报告中有所体现，但是按照年报频率公布的基金仓位并不能作为一个连续的后市预期指标，我们希望能够得到即时基金仓位，帮助投资者规避风险。本文运用神经网络建立仓位预测模型，利用现有基金市场行为的样本，从中自主寻找规律逼近复杂的仓位走势曲线，达到更好的预期效果。

二、基金仓位预测方法综述

目前，关于基金仓位预测的方法主要包括以下三种。

1.基于收益的基金仓位分析方法，是以夏普在1992年提出的基于收益的基金投资风格分析理论为基础，通过对基金收益与市场风格指数涨跌幅进行统计计算，估算出基金在不同风格资产上的配置比例，从而获得基金投入股市的仓位值。该方法可以在一个中观的维度上为基金投资者提供较为长期的和可持续的投资建议，但是在回归过程中存在多重共线问题，可能产生较大的参数估计标准差，使得预测误差较大。

2.传统的线性预测模型，经历了三个发展阶段，由于理论和算法的创新，测算准确性也有了明显提高。第一阶段的模型，将样本基金收益率均值除以基准指数收益率得到基金平均仓位，其过程简单，处理步骤少，但是测算结果跳跃性较大，并且对基金市场指数的选取依赖性强。第二阶段的模型，对基金收益、市场指数收益时间序列数据进行回归测算，初步消除了第一阶段模型的噪声，但是回归期限过长或过短都会对仓位测算结果带来较大的误差，且固定的回归期限使测算与实际结果之间产生时滞。第三阶段的模型，对单只基金与其基准的收益序列进行动态回归，通过对回归期限的动态调整，实现仓位测算工作的智能化和自动化，由于测算的样本是基金仓位数据的云重心，因此能有效消除了前两个阶段测算模型带来的系统误差。

3.非线性数据挖掘分析法，是直接对基金持股情况进行数据挖掘，深入剖析基金组合中各类别资产的增持减持情况，依据对基金行业资产的中观分析，最终实现对基金大类资产仓位的宏观分析。此测算模型打破了RSV法仅仅依据收益数值来进行测算、结果不具可对比性的缺陷，引入收益分布、波动率等多个指标，动态测算各分类资产相应指标对基金该指标的贡献度，提高了测算的可对比度，过滤了单一指标会引起系统性误差的缺陷，并引入因子分析、聚类分析、最优化等方法，进一步提高计算结果的精确性。

本文将结合基于收益的基金仓位分析方法和非线性数据挖掘分析法，借鉴基金仓位测算模型回归方法中的自变量取值和影响因素，运用非线性系统分析法中的BP神经网络建立仓位预测模型。

三、基于BP神经网络的仓位模型构建

1.影响基金仓位变动的主要因素

本文选取的基金仓位是基于基金投入股市的资金市值和基金总资产现值，因此，所有会影响股票价格和基金价格的因素都会影响基金仓位的变动，并且，各因素之间的相互作用也会对基金仓位产生影响。

从基金净值方面考虑，基金总资产的现值与基金交易价格密切相关。影响基金净值的因素包括三个方面，即基金单位资产净值、基金市场的活跃程度和银行存款利率。其他各种政治、经济和人文因素，例如外汇市场汇率变化、资金市场利率变化、投资者的心理因素也会影响仓位。这些数据在基金定期报告中具体表现为：期末基金份额净值、基金市值、期末基金资产净值、基金收益率、基金单位交易开盘价、基金持股集中度、基金的持仓行业集中度，收市基金指数、基金换手率、基金折价率、居民价格消费指数、银行利率。

从股票市场价格方面考虑，股票的市场价格最直接的影响因素是供求关系，市场内部因素、基本面因素和政策因素通过作用于供求关系而影响股票价格。具体表现为基金持有股票组合的收益率、股票市值增长率，持有股票的开盘价、最高价、最低价、成交量、收盘价及MACD、KDJ、RSI、PSY技术分析指标。

2.因素相关性分析及边界划分

结合数据特征，本文选取2008年10月1日至2012年10月1日时间段，在此期间，已经历过金融危机，国内经济缓慢复苏，宏观政策调控没有巨大变化，华夏基金度过了2008年第三季度的最强金融危机冲击后，持续保持平稳发展。由于国际贸易收支、国际金融市场等因素不足以影响具体仓位值，政治局势、突发事件等因素不在预测范围内，所以都划在本研究边界之外。

将以上基金年报中的具体数据期末基金份额净值、基金市值、期末基金资产净值等和最终仓位值导入excel中的data analysis模块进行相关性分析。用Correlation工具算出Pearson相关系数，可得到期末基金份额净值、基金市值、期末基金资产净值、基金收益率、基金单位交易开盘价、基金折价率、基金换手率、收市基金指数、股票组合的收益率、股票市值增长率、股票市值加权、MACD仓位值的Pearson相关系数超过0.5，将这12个变量划在最终边界内作为研究因素。

3.数据采集与预处理

本文选择华夏基金旗下华夏成长证券投资基金、华夏大盘精选证券投资基金、华夏优势增长股票型证券投资基金等10种基金在2008年10月1日至2012年10月1日的数据，作为建立模型和网络训练的样本集。

根据模型建立的需要，BP神经网络要求样本集合理区间为[0，1]，本文运用公式X’=（X-Xmin）/（Xmax-Xmin）对样本集进行归一化处理。其中Xmax、Xmin为最大值和最小值，X为原始数据，X’为转换后数据。将数据预处理后分为两部分，前250个数据作为模型的训练集，剩余的50个数据作为模型的测试集。

图1 预测模型的网络结构

4.BP神经网络建模

本文构建基金仓位预测模型，侧重研究基金一个周期中仓位走势的变化，所采集的数据无法达到海量。根据Kosmogorov定理基本原则，在有合理结构和恰当权值时，有三层结构的前馈网络就能逼近任意的连续函数，模型设计为单隐含层和输出层两个网络层次。选择期末基金份额净值、基金市值、期末基金资产净值、基金收益率、基金单位交易开盘价、基金折价率、基金换手率、收市基金指数、股票组合的收益率、股票市值增长率、股票市值加权、MACD指标作为神经网络的12个输入向量，基金仓位作为唯一输出向量。根据Kosmogorov定理，初步设定隐含层结点数为2n+l即25个，并利用BP网络默认初始化函数initnw设计初始权值。考虑到本研究的原始数据经过归一化处理后符合S型对数函数的取值范围，选择tansig作为隐含层传递函数，logsig作为输出层传递函数。学习函数选择学习率可变的动量BP算法traingdx及梯度下降动量学习函数learngdm。性能函数选用误差性能函数为均方的误差函数mse。模型网络结构如图1所示。

根据以上结构和参数，在MATLAB中建立起基金仓位预测模型，在训练200，000次，隐含层节点数目为25的情况下，训练目标达到0.0001，但是收敛速度较缓慢，未达最优模型。

5.优化模型

在优化阶段，初始节点数在[15，25]范围之间进行多次尝试比对。根据仿真输出结果与真实值间的拟合程度及误差大小，最终确定隐含层节点数目为22，其预测误差为0.29998达到最小，并且均方误差为0.000999315也为最小，收敛速度较快，达到误差目标值需经过2338次训练，训练时间适中。同时选择尝试法确定初始权值。由于网络中隐含层和输出层节点的范围在0到1之间，初始权值选择为分布在e0.1num22之间的随机数，其中num为该连接权值的输入节点数。观察监测网络的训练效果、拟合效果后，基金仓位预测模型确定最终初始权值矩阵。

建立隐含层节点数为22，优化初始权值的BP神经网络后，经过30万次训练达到训练目标，完成学习成熟的仓位预测网络。

四、实证结果分析

将50组测试集数据输入模型，在MATLAB中将预测仿真结果和实际数据进行对比，如图2所示。

1.拟合：从拟合效果图观察，每个测试基金的仓位预测结果与真实值间的偏差在可承受范围之内。获得判定系数为0.69261，拟合程度远远高于相同样本线性回归预测结果0.389。在同一预测期下不同基金的仓位预测值与真实值的相对关系是一致的，说明预测模型对于所研究的行业内的不同基金走势判断都有良好适用性，所建立的预测模型是具有一定意义和价值的。

图2 模型测试数据输入输出拟合效果

2.偏差：模型偏差表现为存在预测值高于实际计算值的现象。原因在于数据时间跨度较大，期间经历奥运、世博等重大活动影响到股市和基金市场的活动，所有经济主体、金融市场都受到了不同程度的冲击，间接带动先前划在边界外的货币政策、财政政策、际贸易收支等因素的变动，影响了模型拟合度。另外边界外的基金持股集中度、居民价格消费指数、银行利率等弱相关因素的积累和相互作用都会带来拟合的偏差。关于单支基金，基金仓位在不同投资风格中也有相对差别，造成预测的偏差大于其他基金公司的原因，是华夏基金公司总体基金状况都处于市场风口浪尖的位置，这一带头特性导致预测的不可控性增强。

五、结论

本文将传统的基金仓位测算理念及影响因素同BP神经网络方法相结合，选择基于数据挖掘的BP神经网络作为基金仓位预测模型建立的基本方法，通过数据挖掘技术找出相关因素集，建立神经网络，相对于线性模型，提高了预测的准确性，同时对结果的拟合与偏差都能够获得合理的解释。本研究使信息技术更好的应用于基金投资风格研究，实现对基金仓位的科学预测，同时对于神经网络的预测应用也做出了新的探索。

参考文献

[1]王敏.基于神经网络的基金净值预测研究[J].天津大学学报，2008（5）.

[2]肖国荣.BP神经网络在基金价格预测中的应用研究[J].计算机仿真，2011（3）.

[3]李学峰，徐华，李荣霞.基金投资风格一致性及其对基金绩效的影响[J].财贸研究，2010（2）.

[4]董铁牛，杨乃定，邵予工.中国开放式基金投资风格分析[J].管理评论，2008（7）.