竞技体育结果预测文献综述
摘 要：相当长一段时间来，人们对于竞技体育的结果就很有兴趣，并进行了大量预测。本文通过寻找大量的文献资料，将不同类别体育项目的预测模型，预测方法及结果分类阐述，主要列举了人们对于足球比赛结果的预测情况，篮球比赛结果的预测情况和奥运会田径比赛结果的预测情况，给读者在预测竞技体育结果发面一些启发。这些预测模型往往通过多种算法的比较得出最优结论，较为严谨。
关键词：体育比赛 神经网络 决策树 贝叶斯模型 非线性回归
一、引言
在中国知网上寻找以“竞技体育结果预测”为主题的论文，会出现大量的文章。由于竞技体育的分布非常广泛，因此比较科学合理的方式是根据体育项目进行分类，本文列举了一些主要体育项目(足球、篮球、田径)在杯赛、联赛和奥运会中的预测情况，这些预测方法会通过各种不同的模型和算法来进行研究，力求做到科学严密。
二、各主流体育赛事的预测方法
- 足球比赛结果预测
足球作为世界第一大运动, 相关专家及球迷一直热衷于对其比赛的结果进行预测。一场足球比赛中能够体现出若干的数据特征, 诸如射正球门的次数、前场任意球的个数、角球个数、进球数, 可以将一场球赛的结果看成是这些特征共同的作用, 每一个特征与结果之间都有一定的相关性, 这种相关性并非一种简单的线性关系, 而是一种非线性关系。为了克服传统预测方法的不准确性, 付裕[1]采用神经网络的方法对足球比赛的结果进行预测，该模型以射正球门的次数、前场任意球的个数、角球个数、进球数这四个特征作为神经网络的输入, 以比赛结果作为神经网络的输出。他通过对西班牙甲级联赛巴塞罗那俱乐部在2015-2016、2016-2017两个赛季的数据为训练集训练神经网络, 并用所训练的网络对球队在17-18赛季的成绩进行了预测。通过试验发现, 所训练的神经网络模型具有可靠性。
雷光裕[2]构建了2018世界杯足球比赛预测模型, 预测整个世界杯比赛的小组赛结果, 数据挖掘流程包括数据集成、特征建模和结果预测。用历史数据分析影响因素, 应用逻辑回归模型，决策树模型和随机森林模型进行比较及预测。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
