物理模型可以优化篮球运动员的定位

发布时间:2023-03-10 20:26:38 栏目:生活

    导读 一个被证明对预测分子和果蝇的群体行为有用的物理理论似乎也在一个非常不同的背景下起作用——篮球场。基于密度泛函理论的模型可以建议每个

    一个被证明对预测分子和果蝇的群体行为有用的物理理论似乎也在一个非常不同的背景下起作用——篮球场。

    基于密度泛函理论的模型可以建议每个球员在给定场景中的最佳位置,如果他们想提高得分或防守成功的概率。

    鲍里斯·巴伦(Boris Barron)是与艺术与科学学院物理系教授托马斯·阿里亚斯(Tomás Arias)一起工作的物理学博士生,他于9月<>日在拉斯维加斯举行的美国物理学会会议上介绍了他的工作。

    巴伦从内森·西塔拉曼(Nathan Sitaraman)那里得到了这个项目的想法,他咨询了一支NBA球队,通过数据分析帮助他们提高比赛水平。西塔拉曼能够从本赛季的NBA比赛中获得非常详细的球员位置数据,然后巴伦用它来开发他的模型。

    利用这些结果,巴伦能够:

    预测特定玩家下一步可能去哪里;

    确定哪些球员往往处于好或坏的位置;

    根据球员定位计算进攻或防守成功的概率;和

    创建模拟,如果玩家执行特定动作(例如在球场上奔跑),对方球队将如何或应该如何回应。

    “我们可以准确地看到球员应该在哪里帮助他们的球队,而这几只脚可能会导致多达3%的差异(成功),”他说。

    “在这些高分比赛中,100分中的三分对一个球员来说是一件大事,”斯蒂芬·H·韦斯总统研究员阿里亚斯说。

    巴伦采用的数学模型是基于诺贝尔奖获得者的方法,这些方法最初是为了研究大量量子力学相互作用的电子而开发的。这项工作建立在Arias的研究基础上,该研究结合了密度函数波动理论的数学概念和方法,研究了从人群行为到迁移和隔离等社会现象的所有内容。

    阿里亚斯说,当你分析像篮球这样的比赛时,这些方法是有效的,因为人群的行为很难量化。

    “我们的物理技术发挥作用,因为你不是在单独看球员,而是在看他们在球场上的合作方式,”他说。“这就是为什么你需要这种更高层次的分析。

    巴伦说,这对篮球等团队运动的影响是显而易见的。

    教练可以将对手的球队或球员特定数据输入到这个模型中,以制定阻止最常见比赛的策略。教练可以在比赛前运行计算,然后将其显示在他们可以在替补席上使用的智能设备上,帮助他们根据数据说明球员应该采取的精确路线。他们可以获取每个球员的特定数据,以找出哪些球员对球队的成功贡献最大。

    想想2011年的电影“Moneyball”,阿里亚斯说,布拉德皮特扮演比利比恩,美国职业棒球大联盟奥克兰A队的经理,他根据数据分析组建了一支球队,使用球员的基地百分比而不是更传统的成功衡量标准。

    “我们的方法非常笼统,”巴伦说,“所以我可以看到它可以更广泛地使体育受益。详细的位置数据正变得越来越可用。

免责声明:本文由用户上传,如有侵权请联系删除!