چکیده

هدف این مقاله، پیشبینی نتایج مسابقات فوتبال بر مبنای آمار باز یها ی انجام شده م یباشد . دادهها ی ورودی، آمار جزئی بازیهای انجام شده در یک نیم فصل بوده که شامل مواردی مانند: تعداد گل، تعداد شوت، تعداد شوت داخل چارچوب و تعداد پاسهای صحیح میباشد . در اینجا برای پیشبینی نتایج از شبکه ی عصبی پرسپترون چند لا هی با الگوریتم انتشار خطا رو به عقب استفاده شده است. شبکه ی عصبی مذکور با آمار نیمفصل اول آموزش دیده و بر روی بازیهای نیمفصل دوم آزمایش شده است. در پایان نتا یج این روش با سا ری روشهای ارائه شده کهتقریباً همگی آنها تنها مبتنی بر نتیجه ی باز یها ی انجام شده م یباشند، مقایسه شده است. نتایج نهایی حاکی از برتری محسوس این روش بر روشهای آماری موجود میباشد.

کلمات کلیدی

محاسبات نرم، شبکهی عصبی مصنوعی، پرسپترون چند لایه، پیشبینی نتایج فوتبال

دانشجوی کارشناسی، دانشگاه رازی کرمانشاه آدرس پست الکترونیکی: Edrisfm@gmail.com عضو هیئت علمی، دانشگاه رازی کرمانشاه

آدرس پست الکترونیکی: Soleimani@razi.ac.ir

ٌ. مقدمه

بدون شک فوتبال یکی از محبوبتر ین ورزشها در
سراسر دنیاست که یکی از دلایل آن، نامشخص بودن

نتیجهی بازی میباشد. علاقه به دانستن نتیجه ی باز ی، پیش از اتمام آن، همواره مورد توجه علاقهمندان ا ین رشته ی ورزشی بوده و همین امر باعث ا یجاد مسابقات جانبی برای پیشبینی نتایج بازیها شده است. بسیاری از افراد بر این باورند که فوتبال قابل پیشبینی نیست؛ دلیل آنها نزی نتایج به ظاهر عجیب و دور از انتظاری است که در برخی از مسابقات رخ میدهد . اما ممکن است ا ین تفکر از عدم شناخت کامل ما بر عوامل مؤثر بر نت یجه ی بازی نشأت گرفته باشد. به نظر میرسد که فاکتورها ی گوناگونیکه بعضاً در تعامل با یکد یگر نیز هستند بر نتیجهی نهایی تأثری میگذارند و از آنجا که این فاکتورها هر یک با نسبتی مشخص بر نتیجهی بازی مؤثرند، درک برآیند و نزی محاسبات آنها از توانایی انسان خارج است.

روشهای پیشبینی فوتبال را میتوان به دو دستهی کلی تقسیم نمود. دستهی اول روشهای آماری بوده که تلاش میکنند تا بر اساس نتایج کسب شده توسط ت یمها در بازیهای گذشتهی آنها، الگو یی برا ی پیشبینی نتا یج

بازیهای آینده ارائه دهند. اینروشها عموماً به علت
ماهیت ذاتی خود، از انعطافپذ ریی چندان بالا یی
برخوردار نیستند ؛ در مقابل مشخص شده است که
روشهای مبتنی بر محاسبات نرم، به و یژه شبکهها ی
عصبی مصنوعی ]ٌ و ٍ[، به علت توانا یی بالای آنها در
ح ل مسائلی که رابطه ای غیرخطی بین ورودیها و
خروجیها وجود دارد، منجر به نتایج بهتری میشوند.

در بخش ٍ مروری بر کارهای پیشین در زمینه ی پیشبینی نتایج فوتبال داشته و روش کار هر یک به اختصار بیان میشود. در بخش َ ایده ی پیشنهادی، معرفی شده و چگونگی عملکرد آن، دادههای ورودی،

پارامترها، ساختار شبکه و آموزش آن به طور کامل شرح داده میشود. در بخش ُ، نتایج استفاده از شبکه ی عصبی پرسپترون چند لایه بر روی دادههای آماری جزئی با روشهای پیشین مقایسه شده و در فصل ِ نیز جمعبندی و کارهایی که در آینده در جهت تکمیل این روش انجام خواهند شد، آورده شده است.