STGCN-LSTM for Olympic Medal Prediction: Dynamic Power Modeling and Causal Policy Optimization

要約

このペーパーでは、国々の時空間的関係と国家パフォーマンスの長期的な依存関係を統合することにより、オリンピックのメダル分配を予測するために、新しいハイブリッドモデルSTGCN-LSTMを提案します。
空間的グラフ畳み込みネットワーク（STGCN）は、メダルカウント、経済データ、および人口統計の歴史的傾向をモデル化した場合、コーチング交換や社会経済的リンクなど、地理的およびインタラクティブな要因などをキャプチャします。
ゼロ膨張した出力に対処するために（つまり、一貫して勝利をもたらした国とメダルを獲得したことのない国との間の格差）、ゼロインフレ化コンパウンドポアソン（ZICP）フレームワークが組み込まれて、ランダムなゼロを構造ゼロから分離し、クリアラービューを提供します。
潜在的な画期的なパフォーマンス。
検証には、履歴バックトラッキング、ポリシーショックシミュレーション、および因果推論チェックが含まれ、提案された方法の堅牢性を確認します。
結果は、コーチングモビリティ、イベントの専門化、およびメダル予測に対する戦略的投資の影響に光を当て、多様なオリンピックコンテキストでスポーツポリシーとリソース配分を最適化するためのデータ駆動型の基盤を提供しました。

要約(オリジナル)

This paper proposes a novel hybrid model, STGCN-LSTM, to forecast Olympic medal distributions by integrating the spatio-temporal relationships among countries and the long-term dependencies of national performance. The Spatial-Temporal Graph Convolution Network (STGCN) captures geographic and interactive factors-such as coaching exchange and socio-economic links-while the Long Short-Term Memory (LSTM) module models historical trends in medal counts, economic data, and demographics. To address zero-inflated outputs (i.e., the disparity between countries that consistently yield wins and those never having won medals), a Zero-Inflated Compound Poisson (ZICP) framework is incorporated to separate random zeros from structural zeros, providing a clearer view of potential breakthrough performances. Validation includes historical backtracking, policy shock simulations, and causal inference checks, confirming the robustness of the proposed method. Results shed light on the influence of coaching mobility, event specialization, and strategic investment on medal forecasts, offering a data-driven foundation for optimizing sports policies and resource allocation in diverse Olympic contexts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google