Neural Network System for Predicting the Italian Football Lega "Serie A" Season Results
DOI:
https://doi.org/10.17072/1993-0550-2023-1-84-92Keywords:
artificial neural network, neural networks, football league, prediction of game results, prediction of match results, footballAbstract
The article describes the development of neural network system for predicting the Italian football Lega Serie A season results. To select the initial set, thematic sites containing complete statistics on the necessary characteristics were used. The system based on cost characteristics has 12 input parameters. The average testing error of this system was 3 %. The system allows to evaluate the performance of a football team in a season within the ranking from 1 to 5 positions, where 1 is 1–4 places and entry into the Champions League, and 5 is the team leaving the league. The significance of the input parameters is revealed. The influence of input parameters on the result is also shown.References
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.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Дарья Владимировна Бутина, Леонид Нахимович Ясницкий
This work is licensed under a Creative Commons Attribution 4.0 International License.
Articles are published under license Creative Commons Attribution 4.0 International (CC BY 4.0).
