Дастгоҳҳои пӯшиданӣ метавонанд миқдори зиёди додаҳои рафторӣ, аз қабили масофаи давидан, давомнокӣ, суръат, набзи дил ва масрафи тахминии калорияро тавлид кунанд. Аммо қисми зиёди ин додаҳо дар барномаҳои фитнес барои ҷамъбасти фаъолияти гузашта истифода мешаванд. Ин таҳқиқот як чаҳорчӯбаи омӯзиши мошиниро пешниҳод мекунад, ки бо истифода аз ҳамин додаҳо тағйири вазни бадани корбарро дар 30 рӯзи оянда ва хатари кӯтоҳмуддати афзоиши вазн ба андозаи ҳадди ақал 1 kg пешгӯӣ кардан мехоҳад.

Равиши асосии таҳқиқот ба ҷойи пешгӯии мустақими тағйири вазн, аввал барои ҳар корбар ҳисоб кардани тамоюли инфиродии дарозмуддати вазн ва сипас водор кардани модели омӯзиши мошинӣ ба пешгӯии танҳо инҳироф аз ҳамин тамоюли асосӣ мебошад. Муаллифон ин усулро residual personalization меноманд.

Дар маҷмӯаи додаҳои манбаъ тақрибан 3.000 корбар ва 90.000 ҷаласаи дурусти давидан мавҷуд аст. Аммо тақрибан %60-и маҷмӯаи додаҳо аз сабтҳои воқеии дастгоҳҳои пӯшиданӣ ва тақрибан %40-и он аз траекторияҳои корбарии ба таври синтетикӣ сохташуда иборат аст, ки барои зиёд кардани намунаҳои камёби рафтор ва rebound офарида шудаанд.

Рафтори корбар дар равзанаҳои бозгашт ба қафои 7, 14 ва 28 рӯза ҷамъбаст шуда; аз рӯйи синну сол, қад ва вазн тағйирёбандаи BodyCluster ва аз рӯйи рафтори давидан RunCluster сохта шудаанд. Моделҳои Linear Regression, SVR, Random Forest, BP–MLP ва LSTM муқоиса шудаанд.

Дар ҷадвали асосии самаранокии манбаъ барои Random Forest MAE = 0,90 kg ва R² = 0,72; барои LSTM MAE = 0,94 kg ва R² = 0,71 гузориш шудааст. Дар таснифоти rebound барои Random Forest accuracy = 0,991 ва F1 = 0,728 оварда шудааст.

Аммо дар мақола мушкили муҳими гузоришдиҳии рақамӣ вуҷуд дорад. Дар ҷадвали дигар барои ҳамин масъалаи пешгӯии 30 рӯза арзиши residual Random Forest MAE = 0,143 kg нишон дода шудааст. Таҳқиқот ин фарқи тақрибан шашкаратаро шарҳ намедиҳад. Аз ин рӯ, рақамҳои самаранокиро бидуни тасдиқи мустақили беруна набояд ҳамчун дақиқии қатъии маҳсулот арзёбӣ кард.

Чаро як модели ягонаи пешгӯии вазн барои ҳама кофӣ набошад?

Тағйири вазни одамон ба як машқи яксон ба таври яксон посух намедиҳад. Вазни ибтидоӣ, сохтори бадан, сатҳи маъмулии фаъолият, тавозуни энергия ва омилҳои зиёди физиологӣ байни одамон фарқ мекунанд.

Аз ин рӯ, тамоюли 30 рӯзаи вазни ду нафаре, ки ба як андоза медаванд, метавонад гуногун бошад.

Равиши residual-personalization, ки таҳқиқот пешниҳод мекунад, кӯшиш мекунад ин фарқро аз сигнали умумие, ки модель бояд пешгӯӣ кунад, ҷудо намояд.

Базаи инфиродӣ чӣ гуна ҳисоб карда шуд?

Барои ҳар корбар ба додаҳои вазн дар тӯли вақт тамоюли хаттии OLS татбиқ шудааст:

\[ \hat w_{u,t}=\alpha_u t+\beta_u. \]

Дар ин ҷо \(\alpha_u\) тамоюли миёнаи ҳаррӯзаи тағйири вазни корбарро ифода мекунад.

Тағйири асосии интизоршавандаи 30 рӯза:

\[ 30\alpha_u \]

ҳисоб карда мешавад.

Ҳадафи residual, ки модель омӯхтан мехоҳад:

\[ \Delta w'_{u,t} = (w_{u,t+30}-w_{u,t}) - 30\alpha_u. \]

Ин амал ҳадаф дорад, ки модель ба ҷойи тамоюли дарозмуддате, ки аз як шахс ба шахси дигар фарқ мекунад, ба тағйироти кӯтоҳмуддати рафтор тамаркуз кунад.

Рафтори давидан чӣ гуна ба модель ворид карда шуд?

Барои ҳар корбар сабтҳои гузаштаи давидан дар равзанаҳои вақти бозгашт ба қафои 7, 14 ва 28 рӯза ҷамъбаст шудаанд.

Хусусиятҳои асосӣ:

• масофаи умумии давидан,
• давомнокии умумии давидан,
• масрафи умумии калория,
• темпи миёна,
• набзи миёнаи дил.

Илова бар ин, нишондиҳандаҳои ҳосилавӣ, аз қабили суръат, масрафи энергия ба як километр ва таносуби вазн/қад истифода шудаанд.

Ин сохтори бисёрмиқёсӣ ҳадаф дорад, ки на танҳо чанд давиши охирин, балки реҷаи кӯтоҳмуддат ва миёнамуддати машқро низ дар як модель ифода кунад.

BodyCluster ва RunCluster чистанд?

Таҳқиқот хусусиятҳои корбарро ба ду фазои гуногуни кластербандӣ ҷудо кардааст.

BodyCluster, аз хусусиятҳои нисбатан устувори антропометрӣ, ба монанди синну сол, қад ва вазн ҳосил шудааст.

RunCluster, аз хусусиятҳои рафторӣ, ба монанди масофаи давидан, давомнокӣ, темп ва масрафи энергия ҳосил шудааст.

Дар таҳлили K-Means ҳам дар фазои Body ва ҳам дар фазои Run ду кластер баландтарин арзиши silhouette-ро додаанд.

Барои Body арзиши k=2 silhouette 0,3088 ва барои Run 0,3149 аст.

Кластербандии иерархии Ward низ сохтори ду кластери ҳукмронро дастгирӣ кардааст.

Ин кластерҳо ташхиси саломатӣ нестанд. Онҳо танҳо гурӯҳҳои корбароне мебошанд, ки модель дар фазои хусусиятҳо пайдо кардааст.

Тағйири 30 Рӯзаи Вазн ва Хатари Rebound Чӣ Гуна Таъриф Шуд?

Ҳадафи асосии регрессия:

\[ \Delta W_{30}=W_{t+30}-W_t \]

таъриф шудааст.

Натиҷаи манфӣ камшавии вазн ва натиҷаи мусбат афзоиши вазнро ифода мекунад.

Нишонаи rebound-risk дар таҳқиқот:

\[ \Delta W_{30}\ge1,0\text{ kg} \]

дар сурати иҷро шудан 1 таъин шудааст.

Аз ин рӯ, “rebound” дар ин ҷо таърифи фарогири барқароршавии клиникии дарозмуддати вазн нест; он танҳо нишонаи моделиест, ки дар давоми 30 рӯз афзоиши вазн ба андозаи ҳадди ақал 1 kg-ро ифода мекунад.

Чаро Додаҳои Синтетикӣ Истифода Шуданд?

Дар корбарони воқеии дастгоҳҳои пӯшиданӣ баъзе рӯйдодҳо, ба монанди барқароршавии назарраси вазн дар муддати кӯтоҳ, метавонанд камёб бошанд. Аз ин рӯ, муаллифон барои афзоиши гуногунии додаҳо ва тақвияти намояндагии синфи rebound траекторияҳои синтетикии корбар сохтанд.

Вазни синтетикӣ:

\[ W_{t+1}=W_t+\beta_u+\epsilon_t \]

бо модели стохастикӣ тавлид шудааст.

Хусусиятҳои давидан бошад, аз сохтори миёна ва ковариатсияи бисёртағйирёбанда, ки аз маҷмӯаи додаҳои воқеӣ ҳисоб шудааст, намунагирӣ шудаанд.

Муаллифон барои тақсимотҳои хусусиятҳои воқеӣ ва синтетикӣ санҷишҳои KS гузаронида, хабар додаанд, ки дар бисёр хусусиятҳо дар сатҳи α=0,05 фарқи назаррас пайдо накардаанд.

Бо вуҷуди ин, нишон додани тақсимоти маргиналии монанд ба додаҳои воқеӣ аз ҷониби додаҳои синтетикӣ маънои онро надорад, ки тамоми сохтори вақтӣ, метаболикӣ ё сабабии рафтори воқеии инсон бозсозӣ шудааст.

Усул ва Натиҷаҳои Таҳқиқот

Маҷмӯаи додаҳо

Тақрибан 3.000 корбар ва 90.000 ҷаласаи дурусти давидан таҳлил шудаанд. Тақрибан %60-и корбарон аз сабтҳои воқеии дастгоҳҳои пӯшиданӣ ва тақрибан %40-и боқимондаи додаҳо аз траекторияҳои синтетикӣ иборатанд.

Ҷудокунии омӯзиш / валидация / санҷиш

Додаҳо дар сатҳи корбар ба %70 омӯзиш, %15 валидация ва %15 санҷиш ҷудо шудаанд.

Ҳамаи ҷаласаҳои як корбар танҳо дар як бахш нигоҳ дошта шудаанд; бо ин роҳ кӯшиш шудааст, ки сабтҳои ҳамон шахс ҳам дар маҷмӯаи омӯзиш ва ҳам дар маҷмӯаи санҷиш қарор нагиранд.

Равзанаҳои лағжанда

Равзанаҳои хусусиятҳои бозгашт ба қафои 7, 14 ва 28 рӯза сохта шудаанд.

Моделҳо

• Linear Regression,
• Support Vector Regressor,
• Random Forest,
• BP–MLP,
• LSTM.

Ҷадвали асосии регрессияи мақола

Мувофиқи ин ҷадвал, Random Forest натиҷаи беҳтаринро додааст.

Таснифот

Хусусияти салибии Body × Run

Намоиши якҷояи BodyCluster ва RunCluster MAE-ро тақрибан 0,05 kg кам ва R²-ро тақрибан 0,03 зиёд кардааст.

Тақсимоти ҳадаф

Номувофиқии самаранокӣ дар дохили манбаъ

Дар Table 9-и мақола барои Linear Regression арзиши raw ΔW30 MAE = 0,144 kg ва барои residual Random Forest 0,143 kg гузориш шудааст. Аммо дар Table 10-и ҳамон мақола Linear Regression MAE = 1,35 kg ва Random Forest MAE = 0,90 kg оварда шудааст.

Манбаъ шарҳ намедиҳад, ки ин ду миқёсро чӣ гуна бо ҳам мутобиқ мекунад. Аз ин рӯ, пеш аз истифодаи арзишҳои самаранокӣ ҳамчун дақиқии ниҳоии маҳсулот, онҳо бояд аз ҷониби муаллифон шарҳ дода шаванд ё ба таври мустақил дубора бозтавлид гарданд.

Ёддошти гузоришдиҳӣ оид ба Cramér's V

Мақола байни BodyCluster ва RunCluster муносибати миёна дар сатҳи V = 0,30-ро гузориш медиҳад. Аммо дар ҷадвали контингентии нашршуда, ки аз рӯйи сатр нормализатсия шудааст, тақсимоти Run барои ду BodyCluster тақрибан 53/47 буда, қариб яксонанд. Азбаски шуморишҳои хом пешниҳод нашудаанд, ин коэффисиент аз ҷониби Verianla мустақилона тасдиқ карда намешавад.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Ҷудо кардани тамоюли базаи инфиродӣ ва истифодаи пешгӯии residual як равиши амалишавандаи фардисозӣ мебошад.
• Бо якҷо кардани рафтори давидан дар равзанаҳои гуногуни вақт метавон хусусиятҳои пешгӯии кӯтоҳмуддатро сохт.
• Дар ҷадвали асосии самаранокии манбаъ моделҳои nonlinear ва ensemble нисбат ба linear regression самаранокии баландтар нишон медиҳанд.
• Хусусияти салибие, ки маълумоти Body ва Run-ро якҷо мекунад, афзоиши хурд, вале пайвастаи самаранокиро нишон додааст.
• Random Forest дар байни моделҳои санҷидашуда дар ҷадвалҳои манбаъ яке аз натиҷаҳои қавитаринро додааст.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

• Система воситаи клиникӣ тасдиқшудаи идоракунии вазн нест.
• Ба таври қатъӣ тасдиқ нашудааст, ки модель барои ҳар корбар дар ҷаҳони воқеӣ тақрибан 0,9 kg хато мекунад.
• %99 rebound accuracy ба танҳоӣ маънои пешгӯии клиникии хатар бо эътимоднокии %99-ро надорад.
• Ин таҳқиқот исбот намекунад, ки рафтори давидан сабаби тағйири мушоҳидашудаи вазн аст.
• Додаҳои синтетикӣ симулятсияи пурраи метаболизми воқеии инсон нестанд.
• BodyCluster ё RunCluster ташхиси саломатӣ ё категорияи клиникӣ нест.
• Валидацияи проспективӣ, мустақил ва дарозмуддати клиникӣ анҷом дода нашудааст.

Ёддошт оид ба Манбаъ ва Усул

Таҳқиқоти аслӣ:Residual-Personalized Ensemble Learning for Short-Term Weight Change and Rebound Risk Prediction in Mobile Health Systems

Муаллифон: Khasherdene Baasankhuu; Yanpeng Qu.

Муассиса: Dalian Maritime University.

Манбаъ: SSRN preprint.

Санаи нашри версияи 30-саҳифаӣ дар SSRN: 19 июни 2026.

SSRN DOI: 10.2139/ssrn.6958925

Ҳолати баррасии ҳамтоён: Preprint; PDF-и манбаъ ба таври возеҳ бо “not peer reviewed” ишора шудааст.

Литсензия: All rights reserved; no reuse allowed without permission.

Бархӯрди манфиатҳо: Дар сабти SSRN муаллифон манфиатҳои молиявӣ ё шахсии рақобаткунандаро эълом накардаанд.

Маблағгузорӣ: Сабти SSRN хабар медиҳад, ки маблағгузории беруна гирифта нашудааст.

Сохтори додаҳо: Тақрибан 3.000 корбар, тақрибан 90.000 ҷаласаи давидан; тақрибан %60 додаҳои воқеии дастгоҳҳои пӯшиданӣ ва %40 synthetic augmentation.

Маҳдудиятҳои асосии методологӣ: Қисми муҳими манбаи додаҳо синтетикӣ аст; тасдиқи мустақили когорти беруна нишон дода нашудааст; парҳез, дору, беморӣ, хоб ва дигар муайянкунандаҳои муҳими вазн дар модель ба таври фарогир ифода нашудаанд; байни ҷадвалҳои самаранокӣ номувофиқии рақамии шарҳдоданашуда вуҷуд дорад; байни ҷадвали cluster-association ва арзиши гузоришшудаи Cramér's V масъалаи намоёни мувофиқат вуҷуд дорад; синфи rebound остонаи хоси таҳқиқотии ≥1 kg / 30 рӯз аст.

Принсипи баёни Verianla: Ин муҳтаво тарҷумаи пурраи матни preprint-и манбаъ нест. Тарҳи модель, сохтори додаҳо, synthetic augmentation, натиҷаҳои самаранокӣ ва номуайяниҳои дохили манбаъ ҳифз шудаанд; таҳқиқот дар сохтори мустақил ва интиқодии омӯзишӣ бозбаён шудааст. Барои истифодаи академӣ ва бозарзёбии самаранокии модель, preprint-и аслӣ ва, агар имкон бошад, натиҷаҳои код/додаҳо бояд якҷоя баррасӣ шаванд.