基于模糊灰色关联分析法的足球比赛影响因素分析研究_姜海富.pdf

2023 年第 3 期计算机与数字工程收稿日期：2022年8月11日，修回日期：2022年9月27日基金项目：国家自然科学基金项目（编号：62076215）；江苏省自然科学基金项目（编号：BK20191457）资助。作者简介：姜海富，男，硕士研究生，研究方向：机器学习与数据挖掘。于化龙，男，博士，教授，研究方向：机器学习与数据挖掘。韦磊，男，硕士研究生，研究方向：大数据、金融风控和机器学习。1引言随着大数据数据量越来越多，给各行各业带来无限想象力和商业应用价值，尤其是在体育领域。足球比赛作为体育领域热门的项目，伴随国内足球氛围不断浓厚，足球领域内的各个细分领域也快速发展，足球比赛大数据就是其中之一1。目前存在大量热爱足球的群众对下一场比赛的结果进行预基于模糊灰色关联分析法的足球比赛影响因素分析研究姜海富于化龙韦磊（江苏科技大学计算机学院镇江212114）摘要足球比赛作为一项竞技体育运动由于其比赛结果影响因素众多，且各因素之间存在多样性、不确定性、模糊性等问题，一直是商业界与体育界研究的热点问题之一。针对此类问题，以2014-2019年欧洲六大联赛比赛数据作为数据来源，对数据预处理后采用模糊灰色关联分析方法，从定量的角度进行比赛数据深度挖掘分析，提取影响比赛结果的重要性因素，并对提取的高贡献度特征集合采用LightGBM决策模型进行胜负预测。通过大量实验发现，经论文方法提取的特征在总特征减少67.5%的情况下，实际预测准确率达到73.01%，仅比原始特征预测减少0.28%。结果表明，论文方法在足球数据分析方面具有良好的效果，能显著区分出对比赛具有高影响力的因素集合，并提供一种高准确率、可解释性的足球预测方法与新的足球比赛数据挖掘研究。关键词足球大数据；足球比赛预测；多因素分析；灰色关联分析；模型应用中图分类号O141.4DOI：10.3969/j.issn.1672-9722.2023.03.004Research of Influencing Factors of Football Match Based onFuzzy Grey Correlation AnalysisJIANG HaifuYU HualongWEI Lei（School of Computer，Jiangsu University of Science and Technology，Zhenjiang212114）AbstractAs a competitive sport，football matches have many factors affecting the results of the game，and there are problems such as diversity，uncertainty，and fuzziness among the factors.It has always been one of the hot issues in the business andsports circles.In response to this type of problem，the 2014-2019 six major European league games data are used as the datasource，and the fuzzy gray correlation analysis method is adopted after the data preprocessing，and the game data is deeply minedand analyzed from a quantitative perspective，and the importance of the game results is extracted.The LightGBM decision model isused to predict the outcome of the extracted high-contribution feature set.Through a large number of experiments，it is found thatwhen the total features extracted by this method are reduced by 67.5%，the actual prediction accuracy rate reaches 73.01%，whichis only 0.28%less than the original feature prediction.The results show that the method in this paper has a good effect in football data analysis，can significantly distinguish the set of factors that have a high impact on the game，and provide a high-accuracy，interpretable football prediction method and new data mining research of football game.Key Wordsfootball big data，football prediction，multi-factor analysis，grey relation analysis，model applicationClass NumberO141.4总第 401期2023 年第 3期计算机与数字工程Computer&Digital EngineeringVol.51No.3555第 51 卷测，并且通常个人预测对所支持的球队进行支持。但足球比赛结果因为其的不确定性，即使专家也很难能够预测下一场比赛胜负2。从足球比赛体育大数据的挖掘中发现，足球比赛对于赛果预测的困难，主要是由于足球比赛的结果含有众多影响因素，例如团队合作、个人技能、天气、主场优势等，很难预料足球比赛的实际结果3。即使比赛没有任何伤害或没有加时发生，运气也可能是影响足球比赛结果的一个因素，因此强队并不一定会赢弱队。也正是由于足球比赛影响因素多种多样，比赛情况纷繁复杂，给足球比赛关联分析更多研究的价值，也给商业界更多的兴趣、体育界更多的精力去探索没有接触到的特征信息。当前针对足球比赛预测研究方法众多，但是对于赛后影响因素分析相对较少，且多见于传统、简单统计分析，不能够从多角度多方面比较价值影响因素4。Marcelino R5等通过多变量分析中评估赛前因素的组合及其与赛果（赢/输）的关系，采用预测性机器学习模型（ML）对澳大利亚足球联赛比赛（AFL）结果预测分析，表明使用ML方法能提供最大限度地提高获胜机会的预测变量层次，还能够预测AFL比赛的结果，为比赛关联分析提供了一种新的方案啊。吴键等6使用Ologit（Ordinal logit）建立一种关联模型将球员的基本能力成绩与比赛成绩关联，提出球员的个人技能与赛果之间存在年龄和组别球员变现呈现不相同的现象。通过对球员的客观定量描述能够及时有效的判断球队的问题并针对性做出改变。在预测模型上Koppman78前后分别提出了一种新的动态多元模型，用于分析和预测国家联赛的足球比赛结果，实际结果对于足球比赛预测有着良好的效果。足球比赛赛场上每时每刻都在产生数据，这些数据都存在重要的利用价值，尽管国内外尝试了大量的研究从球员自身，或者动态调整预测模型，但针对比赛影响因素的深度挖掘还是未能深入展开。本文采集大量足球比赛数据，包含西班牙甲级联赛，德国甲级联赛，意大利甲级联赛，法国甲级联赛和葡萄牙足球超级联赛五个赛季（2014-2019）完整比赛数据。针对足球比赛影响因素的多样性、不确定性、模糊性等问题，以及在计算经典灰色关联度时无法对比不同观测序列中多种因素对特征空间的影响。针对此问题提出一种采用模糊、灰色关联理论配合提出模糊灰色关联分析模型。通过本文方法得到的高贡献度的特征，按照贡献度大小进行排序分析，用一种相对科学的足球比赛结果预测估计模型（LightGBM模型）对提取特征进行结果预测分析910。经过对模型效果的充分检验，反复迭代对模型中各指标进行统计筛选，指出了不同影响因素的重要程度特体现，发现既能够得到高贡献度特征同时又能在特征分析提取后仍能够得到高准确率预测的方法，而且在具体的特征分析得到价值一直的判断，最后针对性的提出足球比赛过程中应当重点考虑的问题。2研究方法2.1模糊隶属度以及灰度关联模型针对足球比赛结果分析存在的问题，本文将模糊数学理论和灰色理论用于比赛影响因素分析中是一种创新的解决方案。目前在关联分析与评价领域，模糊综合评判法和灰色关联法被广泛提及，由于其特定的问题，存在一定的局限性。因素之间模糊性的主要原因在于各种因素在区别不同的过程中存在中间过渡的判断，包含着彼此包含的联系。但是在彼此包含的过程中仍然存在这客观的区别，更进一步的对比能够明显得出在上一阶段的彼此包含的关系中的信息，在下一阶段可能并不是包含有很强烈的联系11。隶属度函数作为模糊理论中评价事务模糊性的重要评价方式，同时是关联分析法主要构成组件12。本文基于斯皮尔曼相关性系数模型与相近性原理的邓氏灰色关联分析模型，利用位移差来分别不同列之间的重要程度，根据计算出的关联度分析出关联序列，从而对根据关联序列对不同因素的关联程度进行研判13。2.1.1原始数据处理数据标准化处理能够显著减少由于变量的量纲不同导致模型预测产生数据误差，产生。针对传统的灰色关联分析法常采用初值化或单一均值化进行数据处理，本文引用数据区间无量纲转换跟传统的模糊聚类中的极差变换相似也就是，对比较序列Xi(i=1,2,n)中的数据采用如Min-max normalization进行无量纲处理。2.1.2模糊隶属度与灰度关联度计算为了保证模型包容所有信息，能够减少数据线性比例关系的影响，本文选用统计学上常用的斯皮尔曼相关性法建立模糊相似矩阵的数学模型，也就用它来衡量两个变量的依赖性的非参数指标，利用单调方程评价两个统计变量的相似程度，而且对于数据错误和极端值的反应不敏感14。其表现形式为姜海富等：基于模糊灰色关联分析法的足球比赛影响因素分析研究5562023 年第 3 期计算机与数字工程=i=1N(xi-x)(yi-y)i=1N(xi-x)2i=1N(yi-y)212（1）其中xi,yi分别是影响因素i取值的等级，x，y 分别是变量x，y的评价等级，N是影响因素的总数量。针对比较序列Xi对参照序列Yi在i=k时的关联系数ij(k)可由下面的公式确定：ij(k)=min+maxij(k)+max（2）其中min,max分别为Yi与Xi中分别是影响因素中的极大值与极小值的绝对值大小。ij(k)为Yi与Xi在第K个点的绝对值差。为判别系数，也就是对极大值与极小值的权重，需要满足干扰性与关联度的一致性。对极大值与极小值的绝对值绝对值差值的均值进行计算，其次根据与max的比值确定的取值区间。其计算法公式如下：=1nmj=1mkn|yt(k)-xij(k)（3）由于关联系数的计算方式会导致计算结果众多，为了能够便于对比和分析本次将各关联系数集中展示在一个值的效果上，即灰色关联度。由于足球比赛影响因素众多，本文根据对原始的灰色关联度公式进行简化可得：ij(k)=1nk=1nw(k)ij(k)w(k)=1（4）2.2足球比赛模糊灰色关联分析法根据2.1.2节中模糊隶属度与灰色关联度ij就计算出一种足球比赛影响因素的一个判断综合评价指标，也就是本文提及的模糊灰色关联度Rij其公式如下：Rij=+ij2=i=1N(xi-x)(yi-y)i=1N(xi-x)2i=1N(yi-y)212+1nk=1nw(k)ij(k)2（5）对初始数据处理进行特征构造并对缺失数据进行合理补充。提取的七类特征数据共计43个特征采用模糊灰色关联分析进行重要度分析，提取具有强关联的特征集合。最后带入到决策算法中进行实际的足球比赛预测，如算法1所示。算法 1.模糊灰度关联分析算法描述输入 比赛数据x，实际比赛结果y；输出 灰色关联分析后的特征数据集合cprocedure Xi=（xi1，xi2，xip），（i=1，2，3，n）1）collect the initial s instances as Xi2）F1Fs，G1Gs=Fuzzy_membership（Xi），Grey_relational_degree（Xi）3）c1cs=algorithm（Fi，Gi）4）P=LightGBM（Ci）5）while max（P）6）find which is the best prediction accuracy P7）tune cjaccording to Eq.（4）8）end procedure3实验数据收集本次实验采用的数据集来自球探网数据（http：/ ALa LeagueGermanBunds LeagueFrench LeaguePrimeiraLeague比赛时间2014-08-16 19:452014-08-30 23:592014-08-24 01:002014-08-23 02:302014-08-09 02:302014-08-16 03:00主场Manchester UnitedChievoMalagaBayernMunchenReimsFC Porto比分1-20-11-02-12-22-0客场Swansea CityJuventusAthletic BilbaoVfL WolfsburgParis Saint GermainMaritimo威廉希尔初赔胜1.335.503.101.208.501.33平4.334.003.307.004.404.50负8.501.602.3012.001.408.50Bet365初赔胜1.366.502.871.257.501.33平5.003.803.405.004.005.00负7.501.532.379.001.369.00LIBO初赔胜1.336.502.901.209.001.30平4.603.803.256.004.504.50负8.501.532.4013.001.369.00557第 51 卷由于足球比赛包含人为因素和自然因素和现实因素相关关联，通过对文献以及足球比赛的了解。本文对提取到的初始足球比赛数据进行数据预处理，后对初始数据进行深入挖掘从积分差距、主客场及近期状态、轮次相关、体能状况、赔率状况、两队交锋历史状况和主客场攻守状况方面提取7个维度的特征数据进行下一步的关联分析，详细特征介绍如图1所示。在对比赛特征进行提取完成后，发现部分数据存在一部分缺失存在，如“主队客队近五场失球和”，因为对于原始数据本文可以理解为本年度赛季的比赛在时间轴上的确实没有最近五场比赛的数据，因此为了公平起见对于缺失的数据本文采用平局的方式对于球队主客场进行打分。表2球员最近比赛状况数据球队名AC MilanCarpiGenoaSampdoriaTorino球员姓名Fabio BoriniMarco CrimiPetar BrlekGaston RamirezObi Joel Chukwuma比赛时间2018-09-28 03:002016-04-09 23:592017-09-21 02:452017-09-17 21:002016-05-15 23:59队员打分6.146.236.667.187.25进球00001助攻00010红牌00000黄牌00001在场时间/min7322468271积分差距主客场及近期状态客赔可信度轮次相关体能状况主客场攻守状况两队交锋历史赔率状况比赛数据抽取特征博彩公司赔率体能状况主赔可信度看平率负胜率赔率状况两队主客实力比两队实力比主队客队进球比主队主场客队客场进球比两队最近一次主客交锋比两队最近一场交锋比两队交锋历史状况轮次比大于0.9且积分差绝对值小于等于3轮次比大于0.8且积分差绝对值小于等于3轮次相关比赛数据抽取特征WilliamHill平初赔WilliamHill负初赔WilliamHill胜初赔LiBo胜初赔LiBo负初赔LiBo平初赔Bet365负初赔Bet365平初赔Bet365胜初赔平均平率主优势主队近五场得分客队近五场得分分场平均平率主队主场优势客队近五场客场得分主队主场客队客场得分差主队客场得分差主客场及近期状况积分差绝对值大于3小与6积分差绝对值小与3积分差距主队主场客队客场近五场净胜球主队主场客队客场最近一场净胜球主队客队近五场净胜球主队客队最近一场净胜球主队主场客队客场进失球和主队客队近五场进失球和主队主场客队客场近五场进失球和主队客队进失球和主客场攻守状况队伍休息强度球队休息比图1七大类别比赛特征数据4实验结果及讨论由于足球比赛结果预测本身相当复杂，本文根据每场比赛后的实际比赛结果归纳得出的特征能够尽可能地还原足球比赛实际预测结果中。经过对初始数据的清洗和处理得到七个维度的特征序列，需要对得到的特征进行下一步的模糊灰色关联分析。首先设足球比赛实际结果特征结合为对照序列Y，其中众多的比赛结果影响因素构成对比序列X。将对比序列X经过归一化计算，得到一组标准化的足球比赛影响因素矩阵。将标准化的影响因素矩阵带入式（1）得到影响因素的模糊隶属度。将标准化系数矩阵带入式（2）得到，min=0、max=1。通过约减计算均值求出的取值范围为0.32020.4803，求出灰色关联系数矩阵。将灰色关联系数矩阵带入式（4）能够得出对足球比赛赛果影响的加权灰色关联程度，本文将模糊灰色关联加权关联度带入式（5）也就计算得出足球比赛结果影响因素的模糊灰色关联度如表3所示，其中两种计算方式差异如图2所示。其中本文针对所有特征：主优势、平均平率、主队主场优势、分场平均平率、主队近五场得分、客队近五场得分，主队主场近五场得分、客队客场近五场得分、主对客对得分差、主队主场客队客场的分差、积分差小于姜海富等：基于模糊灰色关联分析法的足球比赛影响因素分析研究5582023 年第 3 期计算机与数字工程3、积分差大于3但是小于6、轮次大于0.8积分小于3、轮次大于0.9积分小于3、休息比，休息强度，负胜率、看平率、主赔率可信度、客赔率可信度、除去本场两队实力比、两队主对主场客队客场实力比、两队最近一次交锋比、两队最近一次主客交锋比、主队客队进球比、主队主场客队客场进球比，主队客队进失球和、主队客队近五场进失球和、主队主场客队客场最近一场进失球和、主队主场客队客场近五场进失球和、不包含本场的主队客队最近一场净胜球、不包含本场的主队客队近五场净胜球、主队主场客队客场净胜球、主队主场客队客场近五场净胜球、WilliamHill 胜初赔、WilliamHill 平初赔、WilliamHill负初赔、bet365胜初赔、bet365平初赔、bet365负初赔、LiBo胜初赔、LiBo平初赔和LiBo负初赔分别用X1，X2，X43表示。本文余下部分将用符号代替特征名。表3不同灰度计算方式关联度表X1X2X3X4X5X6X7X8X9X10X11Rij0.42110.30070.30390.29490.38870.38510.3870.35880.29780.42780.3158ij0.60960.56650.59170.57540.60240.60010.61040.55570.58810.61730.6278X12X13X14X15X16X17X18X19X20X21X22Rij0.30360.28960.28830.29130.30340.49940.36190.38530.42440.31660.3668ij0.58840.57900.57550.55520.58630.57210.58520.60440.60990.60600.6378X23X24X25X26X27X28X29X30X31X32X33Rij0.40180.39740.32830.34780.34820.41180.34860.39630.38920.45290.307ij0.65670.65900.59350.60290.56350.58540.56840.57550.60140.61500.5965X34X35X36X37X38X39X40X41X42X43Rij0.29750.48300.33890.49640.4790.34500.49820.48280.34400.4979ij0.59250.53800.54630.56740.53420.55830.57400.53940.55610.57130.700.650.600.550.500.450.400.350.300.25关联度051015202530354045特征加权灰色关联度模糊灰色关联度图2不同灰色关联度值测定折线图经过实验发现提取部分特征如X1、X10、X17、X20、X23、X24、X28、X32、X35、X37、X38、X40、X41、X43与比赛结果具有很高的关联度。可以理解在足球比赛当中球队主场优势以及最近主客交战情况在现实情况上能一定程度上反应两队比赛结果影响。对于欧赔的初赔，也可以发现尽管初赔是建立在给体育竞技一种可以量化的直观的数据体验上，但是仍旧对于足球比赛赛果具有一定的联系，反映了赔率机构对于足球比赛的强有力分析。因此通过模糊灰色阶关联分析的方法能够更好地将各种特征进行一个数据上的量化，方便与更好地对影响因素进行分析统计，便于下一步的实际结果预测。本 文 选 用 LightGBM 模 型，它 是 一 个 梯 度Boosting框架，是2017年微软亚洲研究院发布的一种基于决策树算法，其具有训练速度快、运行内存低、准确率高、支持并行学习、可处理大规模数据的优点，特别是在工业界具有很高的利用价值1516。通过提取影响因素具有高贡献度的特征，将提取到的特征变量带入到LightGBM决策算法对提取的足球比赛影响因素进行实际的足球比赛预测。本实验将数据分为训练集和验证集按9 1的比例进行数据拆分，调节LightGBM决策模型参数，同时对预测结果进行十折交叉验证。实验对比全部特征与提取关联度最高的特征预测对比如表4所示。表4全部特征与关联度高的特征预测对比表全部特征本文方法提取特征个数4314准确率/%73.2973.01根据表4实验发现本文提出的方法采用LightGBM 决策算法对足球比赛的胜利预测准确率为73.01%，此方法在在相同数据源和数据填充处理方式的基础上能够在影响因素减少67.5%的情况下仍然没有损失比赛预测实际精度，而且在计算速度上得到极大的提升。对于足球比赛这种含有众多影响因素的关联分析具有很好的效果，而且能够发掘出与实际比赛结果最有用的特征，对于比赛预测具有很好的预测效果。559第 51 卷5结语基于模糊灰色关联分析，建立了一个对足球比赛多因素关联的模型。对足球比赛的多因素进行了定量的判定和分析，聚量化突出了不同因素对比赛结果影响程度，最大程度的抱着保证了分析的准确性和影响因素的可解释性。本文方法从统计与数据挖掘的角度上进行分析了比赛数据的探索，从比赛数据的特征构建，再到筛选后的比赛结果预测，不仅从海量的比赛数据探寻数据本身存在的价值，而且赋予体育比赛的数据分析一种新的探索方法。对于相关其他体育赛事比赛结果影响因素评定的研究具有一定的影响力，为体育比赛结果的分析与预测提供了参考科学有效参考。参 考 文 献1Fenil E，Manogaran G，Vivekananda G N，et al.Realtime violence detection framework for football stadiumcomprising of big data analysis and deep learning throughbidirectional LSTM J.Computer Networks，2019，151：191-200.2Na S，Su Y，Kunkel T.Do not bet on your favourite football team：the influence of fan identity-based biases andsport context knowledge on game prediction accuracy J.European Sport Management Quarterly，2019，19（3）：396-418.3吴朱艳，刘思凡，陈潮，等.“互联网+体育”大数据研究热点演进及趋势分析J.体育科学研究，2019（6）：32-36.WU Zhuyan，LIU Sifan，CHEN Chao，et al.The evolution and trend analysis of Internet plus sports big data research J.Sports Science Research，2019（6）：32-36.4Marcelino R，Sampaio J，Amichay G，et al.Collectivemovement analysis reveals coordination tactics of teamplayers in football matches J.Chaos，Solitons&Fractals，2020，138：109831.5Fahey-Gilmour J，Dawson B，Peeling P，et al.Multifactorial analysis of factors influencing elite Australian footballmatch outcomes：a machine learning approach J.International Journal of Computer Science in Sport，2019，18（3）：100-1246吴键，袁圣敏，邢玮.基于Ologit 模型的校园足球比赛成绩影响因素分析 J.上海体育学院学报，2019，43（3）：100-105，112.WU Jian，YUAN Shengmin，XING Wei.Analysis of influencing factors of campus football match performancebased on ologit model J.Journal of Shanghai Institute ofPhysical Education，2019，43（3）：100-105，112.7Koopman S J，Lit R.Forecasting football match results innational league competitions using score-driven time series modelsJ.International Journal of Forecasting，2019，35（2）：797-809.8Koopman S J，Lit R.A dynamic bivariate Poisson modelfor analysing and forecasting match results in the EnglishPremier League J.Journal of the Royal Statistical Society.Series A（Statistics in Society），2015：167-1869谢勇，项薇，季孟忠，等.基于 Xgboost 和 LightGBM 算法预测住房月租金的应用分析 J.计算机应用与软件，2019，36：151-155，191.XIE Yong，XIANG Wei，JI Mengzhong，et al.Application analysis of monthly housing rent prediction based onxgboost and lightgbm algorithmJ.Computer Applications and Software，2019，36：151-155，191.10Cao Y，Gui L.Multi-step wind power forecasting modelusing LSTM networks，similar time series and LightGBMC/2018 5th International Conference on Systems andInformatics（ICSAI）.Nanjing，China：IEEE，2018：192-197.11冯晓蕾，杨恒，谢柳辉，等.基于三角模糊数灰色关联理论的多层次综合评价模型研究 J.机械工程师，2019（9）：168-171，178.FENG Xiaolei，YANG Heng，XIE Liuhui，et al.Researchon multi-level comprehensive evaluation model based ontriangular fuzzy number grey correlation theory J.Mechanical Engineer，2019（9）：168-171，178.12王当利，刘振坤，王雪佳，等.基于模糊灰色关联分析法的航标失常影响因素评定 J.科技创新与应用，2019（34）：8-11.WANG Dangli，LIU Zhenkun，WANG Xuejia，et al.Evaluation of influencing factors of AIDS to navigation basedon fuzzy grey correlation analysis J.Scientific and Technological Innovation and Application，2019（34）：8-11.13Aaron J，Chew T L.Analysis of Image Similarity and RelationshipM.Basic Confocal Microscopy.Springer，Cham，2018：309-333.14Pan Y，Zhang L，Li Z W，et al.Improved fuzzy Bayesian network-based risk analysis with interval-valuedfuzzy sets and DS evidence theoryJ.IEEE Transactions on Fuzzy Systems，2019.15Gajera V，Gupta R，Jana P K.An effective multi-objective task scheduling algorithm using min-max normalization in cloud computing C/2016 2nd International Conference on Applied and Theoretical Computing and Communication Technology（iCATccT）.Bangalore，India：IEEE，2016：812-816.16敖希琴，龚玉杰，李建.基于盘口数据的足球赛事结果预测 J.重庆工商大学学报：自然科学版，2016，33（6）：85-89.AO Xiqin，GONG Yujie，LI Jian.Prediction of footballmatch results based on Pankou dataJ.Journal ofChongqing University of Technology and Technology：Natural Science Edition，2016，33（6）：85-89.姜海富等：基于模糊灰色关联分析法的足球比赛影响因素分析研究560