1.基于DEMATEL和贝叶斯网络的运动风险预测方法，其特征在于，具体步骤为：步骤1，进行运动风险数据采集并进行预处理得到训练集；进行运动者实时数据采集并进行预处理作为测试集，所述训练集和测试集中的数据包括心率、血压、运动时间、呼吸、温度、湿度、运动器材、防护设备和运动过程中所发生过的风险事件；

步骤2，利用K‑近邻分类器对训练集进行初始化和训练，利用训练后的K‑近邻分类器对测试集进行分类，得到分类结果；

步骤3，根据分类结果确定风险因素，采用DEMATEL对风险因素进行分析，得到因果关系指数ri和中心性指数mi；

步骤4，根据因果关系指数和中心性指数，运用贝叶斯网络进行风险评估，计算每个风险因素所引起的风险事件发生的概率P和风险影响C；

步骤5，根据风险事件发生的概率P和风险影响C计算对应风险的风险值。

2.如权利要求1所述的基于DEMATEL和贝叶斯网络的运动风险预测方法，其特征在于，所述步骤1中对运动风险数据采集包括问卷调查、设备采集和基于大数据技术的人工智能数据补充机制的方法获取运动者的历史运动数据，对运动风险数据进行数据清洗、数据集成、数据变换和数据规约之后，利用主成分分析技术，对数据进行降维处理，最终得到训练集；

所述步骤1中运动者实时数据采集方式为在运动过程中采用穿戴设备对运动者进行数据采集，之后删除含有缺失值的数据得到测试集；

所述步骤2中K‑近邻分类器设置的分类标签为个体风险、环境风险和设备风险三类。

3.如权利要求1所述的基于DEMATEL和贝叶斯网络的运动风险预测方法，其特征在于，所述步骤3具体包括：

步骤3.1，根据分类结果，采用定性分析的方法确定风险因素x1,x2,…,xN，其中N为风险因素的数目；

步骤3.2，建立初始直接关系矩阵，直接关系矩阵X为：其中xij表示因子xi直接影响因子xj的程度；

步骤3.3，获得归一化的直接关系矩阵D：D＝sX(s>0)                  (2)其中，dij＝sxij,(i,j＝1,2,…,N)，s表示为比例因子，由公式(3)得到：步骤3.4，获得全关系矩阵T，公式为：其中i＝1,2,…,N；

步骤3.5，计算中心性指数mi和因果关系指数ri：所述全关系矩阵T内的行数和列数分别记为fi和ej，如公式所示:其中，fi为影响其他因素的程度，ej为受其他因素影响的程度；

因素i的中心性指数mi可以通过将fi添加到ei来获得，它衡量因素i在整个过程中的影响，公式如下：

mi＝fi+ei,i＝1,2,…,N             (7)同理，fi减去ei即可得到因素i的因果关系指数ri，如公式(8)：ri＝fi‑ei,i＝1,2,…,N             (8)如果ri>0，意味着因素i影响其他因素，则表示为原因因素；相反，如果ri<0，表示因素i受其他因素的影响，则表示为结果因素。

4.如权利要求1所述的基于DEMATEL和贝叶斯网络的运动风险预测方法，其特征在于，所述步骤4中风险事件发生的概率P的获取方式为：将运动风险因素x1,x2,…,xN作为贝叶斯网络的节点，代表随机变量；因果关系指数ri作为节点间的有向边，代表了节点间的相互关系，由父节点指向子节点，父节点为原因因素，子节点为结果因素；令G为定义在随机变量x1,x2,…,xN上的贝叶斯网络，那么由风险因素造成的同一类风险事件发生的概率为：其中ParG(xi)为节点xi的父节点，pi(xi|ParG(xi))表示节点条件概率。

5.如权利要求1所述的基于DEMATEL和贝叶斯网络的运动风险预测方法，其特征在于，所述步骤4中风险影响C具体的通过公式(10)获得：其中， 为风险因素影响的平均值；Fi为风险因素i影响的评估值，风险因素的个数用N表示，将相应类型风险因素的影响平均化，得到各风险因素所引起的同一类风险事件的影响。

6.如权利要求1所述的基于DEMATEL和贝叶斯网络的运动风险预测方法，其特征在于，所述步骤5中，风险值R的计算如下：R＝100P×C            (11)。