排序方式： 共有3条查询结果，搜索用时 46 毫秒
1
1.
采取GPS全球定位系统和心率监测系统对14名大学足球专项学生在3场课堂教学比赛中的内、外部运动负荷进行量化，采用数据级数推断法对比其上、下半场比赛负荷的差异性。结果显示：（1）足球专项课堂教学比赛中，大学足球专项学生平均跑动距离为8 319 m，平均跑动速度为5.59 km/h，平均完成19次高速跑和7.6次冲刺跑。学生在上半场的跑动总距离，平均跑动速度，慢速跑、低速跑、中低速跑、中速跑、中高速跑和高速跑跑动距离、跑动时间与次数，高强度减速跑跑动距离和时间，低强度减速跑跑动距离、时间和次数，低强度加速跑跑动距离和次数，加速度负荷、反复高强度跑动次数都明显高于下半场（ES介于0.35~1.22，可能性>75%），上半场的步行移动时间（ES=0.94，可能性>99.5%）和反复高强度跑动的平均恢复时间（ES=1.60，可能性>99.9%）则明显低于下半场；（2）大学足球专项学生的课堂教学赛的比赛时的平均心率为165 次/分钟，约占最大心率的82.8%，大学足球专项学生在整场课堂教学比赛59.5%的时间中处于中高强度和高强度心率区间，学生在下半场处在中高强度心率区间的时间明显多于上半场（ES=0.5，可能性介于75%~95%），而上、下半场处在高强度心率区间的时间只存在微小无意义的差异（ES=0.15，可能性介于75%~95%）。 相似文献
2.
应用主观疲劳量表（RPE）评价训练负荷的过程是一个心理生理过程，量化结果具有较大的主观性和不确定性，需将RPE训练负荷量化结果与生理指标测试结果进行结合分析。对16名大学生足球运动员的多次训练进行跟踪，采集每名运动员每次训练的训练前RPE值、训练后RPE值和整个训练过程的实时心率；采取训练后RPE值（Foster1算法）和训练累积RPE值（Foster2算法），4种心率算法（Banister1、Banister2、Edwards和Stagno）对每名运动员每次训练的内部负荷进行测算；采用相关分析，对两种RPE算法所得每名运动员每次训练的内部训练负荷值与4种心率算法所得的内部训练负荷值的相关性进行检验。显示：两种RPE算法估算的运动负荷：与Banister1算法测算出的相关性平均分别为0.91和0.79；与Banister2算法测算出的相关性平均分别为0.62和0.57；与Edwards算法测算出的相关性平均分别为0.75和0.69；与Stagno算法测算出的相关性平均分别为0.55和0.54。显示：RPE能够有效地量化评估足球运动员的训练负荷，且“训练后RPE值”比“训练累积RPE值”能更加准确地反映足球运动员的训练负荷。 相似文献
3.
采取数据级数推断与广义混合线性模型的统计方法，对2018年俄罗斯世界杯正赛阶段381名非门将位置足球运动员在829次打满全场的比赛中的跑动特征进行量化分析。结果显示：（1）在本届世界杯中，所有外场球员场均跑动距离（9 872±956） m，其中，高强度跑动（速度＞20 km/h）距离约占7.2%，场均高强度跑动次数（31±11）次；（2）中场球员的场均跑动距离最多（10 608±759） m，其次是前锋球员（9 622±900） m，最少的是后卫球员（9 484±807） m，其中，前锋球员完成最多的冲刺跑动[速度＞25 km/h，（259±113） m]和慢跑[速度＜7 km/h，（3 827±324） m]，中场球员完成最多的是低速跑[速度7~15 km/h，（4 705±685） m]和中速跑[速度15~20 km/h，（1 596±333） m]；（3）本届世界杯中，所有球员上、下半场的跑动距离[（4 940±507） m 与（4 933±516） m]、最大跑动速度[（27.5±2.7） km/h与（27.5±2.5） km/h]、高强度跑动次数[（15.5±6.2）次与（15.1±6.0）次] 都只体现出极其可能的微小无意义变化（ES=-0.04、-0.06、-0.03，可能性皆大于99.5%），而下半场的慢跑距离（1 917±186） m相对于上半场的慢跑距离（1 771±176） m，则出现了极其可能的中等程度的升高（ES=0.82，可能性大于99.5%）。 相似文献
1