在精英冲刺骑行中基于时间和基于中风的疲劳模型的数学比较:融合分析和实际应用

科学领域:

• 运动生理学 运动生理学
• 体育 生物力学 运动 生物力学
• 业绩分析 业绩分析 业绩分析

背景情况:

• 在最大冲刺时周期性功率下降是关键的性能决定因素.
• 现有的模型,如平行变速方法 (PASA) 和踏板冲击式方法 (PESA),为疲劳建模提供了不同的框架.
• 了解模型的准确性和适用性对于优化培训和性能至关重要.

研究的目的:

• 为了比较PASA和PESA在精英赛道骑自行车运动员中的预测准确度,收度和适用性.
• 为了评估跨不同冲刺时间和节奏的模型性能.
• 根据研究或实际需要,指导选择适当的疲劳建模技术.

主要方法:

• 十二名精英赛道骑行者以固定节奏进行了45秒的最大冲刺.
• 个人力-速度 (F-v) 配置文件用于校准PASA和PESA模型.
• 根平均平方误差 (RMSE) 和R平方 (R2) 用于评估预测准确性.
• 分析了跨不同冲刺阶段和节奏范围的模型融合.

主要成果:

• 两种模型都显示出与冲刺功率数据 (R2 > 0.98) 的良好匹配.
• 与标准PESA (RMSE: 57-60 W) 相比,PASA显示出较低的预测误差 (RMSE: 32 ± 11 W).
• 优化PESA的参数显著提高了它的准确性 (RMSE: 35 ± 12 W).
• 模型协议在早期冲刺阶段和中度节奏中很高,但在冲刺和极端节奏中稍后出现分歧.

结论:

• 在自行车冲刺期间,PASA为详细的疲劳分析提供了更高的精度.
• 特别是在优化的情况下,PESA为实际应用提供了一个计算效率高的替代方案.
• 模型的选择取决于具体的分析目标和约束,PASA是深入疲劳研究的首选.
• 进一步的研究应探讨在变频条件下的模型性能,并完善潜在的生理假设.