在竞技体育中,运动损伤严重阻碍了运动员技术水平的正常发挥和提高,成为运动员被淘汰的主要原因之一。运动损伤不仅影响正常的比赛和训练,妨碍运动成绩的提高,而且,一旦发生,便很难恢复,甚至可能缩短寿命,导致身体残疾,对国家和人民的人力和财力造成巨大浪费。在实际运动训练中,引起运动员运动损伤的因素很多,有来自于运动员身体素质、健康状况等自身的内部因素和来自于天气、器材等外部环境因素。如果能从大量的引发运动损伤的内外因素中挖掘出能直接或者间接引发运动损伤的风险指标,以及各指标与运动损伤之间潜在的关系,并能在以后的实际训练中加以控制和重视,将极大的减少运动员的运动损伤的发生,从而对运动损伤起到真正的预防作用。科学技术的进步,各学科交叉综合发展,使得各种先进的科学技术逐步融入到体育领域中。粗糙集理论作为一种以数据的分类能力为基础的新型数学工具,可以通过知识约简来发现问题的内在关联或决策规则,而不需要任何先验知识,因此在各领域中得到了广泛的应用。本文将对粗糙集理论中的属性约简算法进行’研究,实现一种合理、有效的约简算法,用于对影响田径运动员损伤的致伤指标进行约简,挖掘出对田径运动损伤贡献率高的因素,并应用于建立基于属性约简算法的田径伤病预警模型中。在对各种算法研究的基础上,结合山东省田径运动员运动损伤具体现状,比较分析现有的约简算法,提出并实现了两种基于属性重要度的约简算法,得到两组约简结果,并将两组约简结果作为输入神经元,在MATLAB环境下建立一个含有隐含层的BP神经网络,调用田径运动员中80%的样本信息作为训练样本进行训练,通过比较收敛性、结果与误差等确定最终的约简算法和最佳的模型结构。最后将田径运动员中其余20%的样本作为测试数据,对模型进行仿真实验,得到了较为理想的预警结果。