研究目的:研究大时间尺度连续动态的运动健康行为层次模型与测度方法,在大尺度时间序列的运动行为测度框架下,画像连续动态的日常工作生活中的典型运动健康行为,形成身体指标、现象指标、空间指标相融合的大时间尺度连续动态的运动行为模型,为科学监测运动健康行为提供依据。研究方法:采用文献分析法、专家访谈法、逻辑分析法等研究方法,对运动健康行为监测的研究现状、发展趋势和核心观点进行整理分析,为形成具有可信度的研究结果提供支持。研究结果:鉴于对运动健康促进的巨大作用认识越来越深刻,人们对运动监测问题也愈加关注。目前,国内外对运动的监测多是从智能可穿戴设备开发与检测研究入手,研发基于可穿戴的体力活动监测方法（In,2018）和测量技术系统。例如,华米科技在国内首个推出全球首款基于RISC-V开源指令集的智能可穿戴健康芯片AI芯片的ECG监测手环,欧盟主持研发完成了将温度、心电、心肌、呼吸、姿态等传感模块、微处理器和无线通信模块集成和处理的WEALTHY（Wearable Health Care System）系统,德国研发了实现心电数据的远程记录和健康管理的Vitaphone慢性疾病管理系统等。这些研究取得了较为丰硕的成果,但是也忽略了一些关键性问题:1)过度关注运动功效,忽视对运动损伤甚至运动性猝死的防控;2)运动风险评估早已被国家卫生部列入《健康体检项目目录》,但是缺少相应的规范、流程和标准研究,导致落实和推广的困难;3)测量集中于运动本身单维度描述,缺乏大时间尺度+多源空间尺度复杂性分析;4)研发运动APP成为热潮,但是运动健康服务智能化水平却难以满足客户需求,"僵粉"现象突出。解决这些问题,必须推动运动监测转向运动健康行为监测上来,通过行为规范性的监测与评估,防止运动风险的加剧。由于人的行为具有相当的复杂性,因此需要建立大时间尺度的运动健康行为监测关键技术体系,全面画像运动健康行为过程。1)构建行为层次模型。采用生理参数采集、运动动作捕捉、力学仿真模拟等方法,融合生理学、运动学、力学等多模态信息数据,对不同人群的运动系统特性、功能及状态进行定量分析,建立大时间尺度连续动态全健康行为模型与整体测度方法和行为模型,描绘连续动态的生活中典型运动健康行为。2)识别运动行为。通过智能可穿戴健康设备的传感系统获取个体的运动（运动方式、运动强度、加速度、运动速度、运动时间等）、生理（心电/心率、血氧、摄氧量、脉搏、体温、肌肉颤抖）和行为（获得轨迹、活动频度、活动强度、活动倾向、活动网络）大数据,通过重叠与聚类形成跨层次行为模型,建立高效精准的运动行为识别体系。3)开发运动行为测度方法。从大时间尺度构建纵向行为链,通过时间单元相似性多次重叠描绘行为特征,对生活空间、工作空间、交往空间、运动空间、休息空间等信息进行识别,建立空间行为信息库;融合行为链和行为环构建整体性运动健康行为画像,形成身体指标、现象指标、空间指标相融合的运动行为识别策略。4)连续动态的运动健康功能态评估。健康功能态是连续变化的身体、心理和社会适应的良好状态。突破传统仅仅借助生理常态进行描绘的局限性,基于智能可穿戴技术、人工智能技术、云计算技术等技术开展个体运动行为过程数据的采集与分析,寻找连续动态下的运动健康行为复杂证据,通过正相关判断从运动行为数据推测出来健康功能态模型和算法的正确性、准确性和可操作性;通过反向模拟的方法,将运动健康功能态数据进行聚类融合,建立基于个人运动行为、体力活动水平、运动习惯、生活方式等多源信息所表达的个人数据库,利用生理学、行为学、运动学知识对各项指标进行评估、分析,由医学专家和运动专家进行评判,构建基于LSTM神经网络的健康功能态模型。研究结论:构建基于大时间尺度的运动健康行为监测技术体系,建立运动健康行为的层次模型、识别体系、测度方法和功能态评估体系,可以有效监测人们的运动健康行为,从而对推动科学运动产生积极的影响。