ABSTRACT

The aim of this study is to estimate the teams’ league rankings at the end of the season by using different parameters peculiar to soccer with artificial neural networks (ANNs). In this study, the values belonging to stealing the ball, number of passes (pass on target, forward pass, and pass before goal scoring), number of possessions during the match, attack time resulting in the goal scoring and number of shots in 1140 competitions played in 2015/2016, 2016/2017, and 2017/2018 England Premier League seasons have been evaluated. Season ranking in the 2017/2018 season has been estimated by analyzing the data in the first two seasons (2015/2016, 2016/2017). All data have been separated randomly for training and test. League ranking has been modeled numerically as 0 and 1. Because the generated value is between 0 and 1, the league ranking has been obtained by multiplying this value by 100 for a trained network. Thanks to the ANN model developed by training and testing according to the findings, the training, validation, test, and all regression values of the English Premier League have been obtained as 0.99779, 0.98123, 0.96981, and 0.98769, respectively. With respect to this result, it has been seen that number of shot, stealing the ball, attack time, and number of possessions parameters are determinant in team ranking at the end of the season along with the other parameters in the England Premier League. We think that analyzing matches with the ANN model provides fast and objective results for team managers, trainers, athletes, and betting shops.

摘要

这项研究的目的是通过使用人工神经网络（ANN）使用足球特有的不同参数来估计赛季末的球队联赛排名。在本研究中，值包括偷球，传球次数（传球，前传和进球前的传球），比赛中的控球次数，导致进球的进攻时间和1140年的射门次数已评估了2015 / 2016、2016 / 2017和2017/2018英格兰超级联赛赛季的比赛。通过分析前两个季节（2015 / 2016、2016 / 2017）的数据，可以估算出2017/2018赛季的季节排名。所有数据均已随机分离以进行培训和测试。联赛排名已数字模拟为0和1。因为生成的值在0和1之间，对于训练有素的网络，可以通过将该值乘以100获得联赛排名。由于通过训练和测试根据发现的结果开发了ANN模型，因此，英超联赛的训练，验证，测试和所有回归值分别为0.99779、0.98123、0.96981和0.98769。关于这个结果，已经看到，投篮次数，偷球次数，进攻时间和控球次数参数是本赛季末球队排名的决定因素，也是英格兰超级联赛中其他因素的决定因素。我们认为，使用ANN模型分析比赛结果可以为团队经理，教练，运动员和博彩店提供快速，客观的结果。由于通过训练和测试根据发现的结果开发了ANN模型，因此，英超联赛的训练，验证，测试和所有回归值分别为0.99779、0.98123、0.96981和0.98769。关于这个结果，已经看到，投篮次数，偷球次数，进攻时间和控球次数参数是本赛季末球队排名的决定因素，也是英格兰超级联赛中其他因素的决定因素。我们认为，使用ANN模型分析比赛结果可以为团队经理，教练，运动员和博彩店提供快速，客观的结果。由于通过训练和测试根据发现的结果开发了ANN模型，因此，英超联赛的训练，验证，测试和所有回归值分别为0.99779、0.98123、0.96981和0.98769。关于这个结果，已经看到，投篮次数，偷球次数，进攻时间和控球次数参数是本赛季末球队排名的决定因素，也是英格兰超级联赛中其他因素的决定因素。我们认为，使用ANN模型分析比赛结果可以为团队经理，教练，运动员和博彩店提供快速，客观的结果。关于这个结果，已经看到，投篮次数，偷球次数，进攻时间和控球次数参数是本赛季末球队排名的决定因素，也是英格兰超级联赛中其他因素的决定因素。我们认为，使用ANN模型分析比赛结果可以为团队经理，教练，运动员和博彩店提供快速，客观的结果。关于这个结果，已经看到，投篮次数，偷球次数，进攻时间和控球次数参数是本赛季末球队排名的决定因素，也是英格兰超级联赛中其他因素的决定因素。我们认为，使用ANN模型分析比赛结果可以为团队经理，教练，运动员和博彩店提供快速，客观的结果。