Mathematical models for off-ball scoring prediction in basketball

在职业篮球中，基于战略决策对得分机会进行准确预测对于空间和球员评估至关重要。然而，传统模型往往难以应对非球员持球移动的复杂性，而这对于准确的预测性能至关重要。在本研究中，我们提出了两个数学模型来预测篮球比赛中的非球员持球得分机会，考虑了传球得分和运球得分两种方式：球的移动模型（BMOS）和球的拦截和移动模型（BIMOS）。BMOS从最初设计用于足球的非球员得分机会（OBSO）模型中借鉴了原则，并将其应用到篮球比赛中，而BIMOS还考虑了球运动过程中被拦截的可能性。我们使用2015-2016赛季630场NBA比赛的球员跟踪数据来评估这些模型，结果表明BIMOS在得分预测准确性方面优于BMOS。因此，我们的模型为篮球战术分析和球员评估提供了有价值的洞察力。

提出两种数学模型，以解决在篮球比赛中预测无球得分机会的问题。

提出了 Ball Movement for Off-ball Scoring (BMOS) 和 Ball Intercept and Movement for Off-ball Scoring (BIMOS) 两种模型，其中 BIMOS 模型考虑了球的移动过程中被拦截的可能性，表现更好。

使用了 NBA 2015-2016 赛季的球员跟踪数据进行实验，证明 BIMOS 模型的预测准确性更高。这些模型可以为篮球战术分析和球员评估提供有价值的见解。

与此相关的研究包括 Off-Ball Scoring Opportunities (OBSO) 模型，以及其他篮球战术分析和预测模型的研究。