Нейросетевая система прогнозирования результатов сезона итальянской футбольной лиги "Серия А"
DOI:
https://doi.org/10.17072/1993-0550-2023-1-84-92Ключевые слова:
искусственный интеллект, нейросетевые технологии, футбольная лига, прогнозирование результатов лиги, прогнозирование результатов матча, футболАннотация
В статье представлено описание разработки нейросетевой системы для прогнозирования результатов сезона итальянской футбольной лиги "Серия А". Для подбора изначального множества были использованы тематические сайты, содержащие полную статистику по необходимым характеристикам. Система основана на стоимостных характеристиках, имеет 12 входных параметров и 1 выходной параметр. Средняя ошибка тестирования этой системы составила 3 %. Система позволяет выполнять оценку выступления футбольной команды в сезоне в рамках ранжирования от 1 до 5 позиции, где 1 –это 1–4 места и выход в Лигу чемпионов, а 5 – команда покидает лигу. Выявлены значимости входных параметров. Исследовано влияние входных параметров на результат.Библиографические ссылки
Badur B., Topaçan U. Forecasting football game outcomes: A data mining approach // In novation and Knowledge Management: A Global Competitive Advantage – Proceedings of the 16th International Business Information Management Association Conference. 2011. Vol. 4. P. 1849–1858.
Beneventano P., Berger P., Weinberg B. Predicting Run Production and Run Prevention in Baseball: The Impact of Sabermetrics // Int. J. Bus. Humanit. Technol. 2012. P. 67–75.
Ясницкий Л.Н., Павлов И.В., Черепанов Ф.М. Прогнозирование результатов олимпийских игр 2014 года в неофициальном командном зачете методами искусственного интеллекта // Современные проблемы науки и образования. 2013. № 6. С. 985.
Jia R., Wong C., Zeng D. Predicting the Major League Baseball Season // CS229 Machine Learning Final Project. 2013. P. 1–5.
Ясницкий Л.Н., Киросова А.В., Ратегова А.В., Черепанов Ф.М. Методика прогнозирования результатов спортивных состязаний на примере Чемпионата мира–2015 по легкой атлетике // Вестник Пермского университета. Математика. Механика. Информатика. 2014. Вып. 3. С. 90–97.
Ясницкий Л.Н., Внукова О.В., Черепанов Ф.М. Прогноз результатов олимпиады-2014 в мужском одиночном фигурном катании методами искусственного интеллекта // Современные проблемы науки и образования. 2014. № 1.
Chen C.-W. Construction of the Winner Predictive Model in Major League Baseball Games: Use of the Artificial Neural Networks // Sport. Exerc. Res. 2014. P. 16, 167–181.
Ясницкий Л.Н., Абрамова Ю.С., Бабушкина С.Д. Возможности получения рекомендаций по улучшению результативности сборных команд, готовящихся к участию в чемпионате Европы по футболу Евро-2016 методом нейросетевого моделирования // Вестник спортивной науки. 2015. № 5. С. 15–20.
Soto Valero C. Predicting win-loss outcomes in MLB regular season games-a comparative study using data mining methods // International Journal of Computer Science in Sport. 2016. Vol. 15. P. 91–112.
Tümer A. E., Koçer, S. Prediction of team league’s rankings in volleyball by artificial neural network method // International Journal of Performance Analysis in Sport. 2017. Vol. 17, № 3. P. 202–211.
Şahin M., Erol Ri. Prediction of Attendance Demand in European Football Games: Comparison of ANFIS, Fuzzy Logic, and ANN // Computational Intelligence and Neuroscience. 2018.
Шестаков Е. С. Возможность прогнозирования количества голов, забитых командой Челси в одном матче // Интеллектуальные системы в науке и технике. Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века. 2019. № 2. С. 60–66.
Крутиков А. К. Прогнозирование результата хоккейного матча с использованием специализированного программного модуля на основе искусственной нейронной сети // Научное обозрение. Технические науки. 2019. № 2. С. 19–22.
Крутиков А. К. Прогнозирование результата футбольного матча с использованием программных модулей на основе искусственной нейронной сети // Интернаука. Информационные технологии. 2019. № 40. С. 18–20.
Achkar R., Mansour I., Owayjan M., Hitti K.Prediction of Football Matches’ Results Using Neural Networks // Advances in Intelligent Systems and Computing. 2019. № 845. P. 169–178.
Azeman A., Mustapha A., Mostafa S.A., AbuSalim S. W. G., Jubair M. A., Hassan M. H. Football match outcome prediction by applying three machine learning algorithms // International Journal of Emerging Trends in Engineering Research. 2020. № 8.
Xu J., Zhou Y., Zhang L., Wang J., Lefloch D. Sportswear retailing forecast model based on the combination of multi-layer perceptron and convolutional neural network // Textile Research Journal. 2021.
Jiang W., Zhao K., Jin X. Diagnosis Model of Volleyball Skills and Tactics Based on Artificial Neural Network // Mobile Information Systems. 2021. Vol. 2021. P. 12.
Huang M.-L., Li Y.-Z. Use of Machine Learning and Deep Learning to Predict the Outcomes of Major League Baseball Matches // Appllied Sciences. 2021. Vol. 11. P. 4499.
Бутина Д.В. Нейросетевая система прогнозирования результатов сезона немецкой футбольной лиги "Бундеслиги" // Искусственный интеллект в решении актуальных социальных и экономических проблем ХХI века. 2021. С. 373–380.
Батаев Б.В. Нейросетевая система оценки эффективности баскетбольного игрока // Искусственный интеллект в решении актуальных социальных и экономических проблем ХХI века. 2022. С. 497–504.
Соболев Д.А. Нейросетевая система прогнозирования получения награды самого ценного игрока сезона // Искусственный интеллект в решении актуальных социальных и экономических проблем ХХI века. 2022. С. 504–512.
Белоусов А.А. Нейросетевая система прогнозирования победителя баскетбольного матча на основе результативности игрока // Искусственный интеллект в решении актуальных социальных и экономических проблем ХХI века. 2022. С. 512–516.
Павлов Д.А. Нейросетевая система прогнозирования шансов победы сборных на чемпионате мира по футболу // Искусственный интеллект в решении актуальных социальных и экономических проблем ХХI века. 2022. С. 549–557.
Soccer 365. URL: http://soccer365.ru/ (дата обращения: 11.11.2022).
Transfermarkt. URL: https://www.transfermarkt.world/ (дата обращения: 11.11.2022).
Черепанов Ф.М., Ясницкий Л.Н. Нейросимулятор 5.0 // Свидетельство о государственной регистрации программы для ЭВМ № 2014618208. Заявка Роспатент № 2014614649. Зарегистрировано в Реестре программ для ЭВМ 12 августа 2014 г.
Ясницкий Л.Н. Нейронные сети – инструмент для получения новых знаний: успехи, проблемы, перспективы // Нейрокомпьютеры: разработка, применение. 2015. № 5. С. 48–56.
Ясницкий Л.Н. Интеллектуальные информационные технологии и системы: учеб.-метод. пособие. Пермь: Перм. ун-т, 2007. 271 с.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Дарья Владимировна Бутина, Леонид Нахимович Ясницкий
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Публикация статьи в журнале осуществляется на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0).
