使用加速度计和机器学习预测室外跑步时的瞬间感知力度
Cristina-Ioana Pirscoveanu1, Anderson Souza Oliveira2
1Department of Health Science and Technology, Aalborg University, Gistrup, Denmark.
European journal of applied physiology
|September 29, 2023
概括
商业智能手表可以使用生物机械数据预测运行所感知的炼. 这项技术提供了一种更准确的方法来监测训练负载,而不仅仅是主观的尺度.
科学领域:
- 运动科学 运动科学 运动科学
- 生物机械工程 生物机械工程
- 可穿戴技术可穿戴技术
背景情况:
- 感知劳动率 (RPE) 是对训练负载的主观指标,但其准确性可能有限.
- 客观的生物力学数据可以更准确地评估运动强度.
研究的目的:
- 开发机器学习模型,使用智能手表衍生的生物机械参数来预测运行时的RPE.
- 评估主体独立和主体依赖预测模型的准确性.
主要方法:
- 43名跑步者完成了5公里的比赛,定期报告RPE.
- 生物力学数据 (心率,节奏,脚步长度等) 使用Garmin 735XT智能手表进行收集.
- 机器学习回归模型被训练来根据生物力学数据预测RPE.
主要成果:
- 独立于主体的模型实现了平均RMSE1.8 RPE点 (约. 12%的相对误差).
- 取决于主体的模型显著提高了预测准确度,RMSE低至0.45 RPE点 (约. <7%的相对误差) 使用20%的培训数据.
- 所有模型都倾向于将最大RPE低估约1点.
结论:
- 来自商业智能手表的生物力学数据可以有效地预测跑步者的感知劳动力.
- 主体依赖模型为个性化的RPE预测提供了更高的准确性.
- 这种方法增强了对培训工作负载的客观监控.
