[论文解读] Modelling the effect of training on performance in road cycling: estimation of the Banister model parameters using field data

Phil Scarf, Mansour Shrahili+3 more|arXiv (Cornell University)|Feb 6, 2019

Sports Performance and Training参考文献 41被引用 4

一句话总结

本研究基于实地采集的功率和心率数据，对训练对公路自行车运动表现的影响进行建模，估算Banister训练-表现模型的参数。研究发现，模型参数在不同个体和表现指标间存在显著差异，表明个性化、表现特定的模型至关重要——这使得通用模型无法用于赛前优化训练计划。

ABSTRACT

We suppose that performance is a random variable whose expectation is related to training inputs, and we study four performance measures in a statistical model that relates performance to training. Our aim is to carry out a robust statistical analysis of the training-performance models that are used in proprietary software to plan training, and thereby put them on a firmer footing. The performance measures we consider are calculated using power output and heart rate data collected in the field by road cyclists. We find that parameter estimates in the training-performance models that we study differ across riders and across performance measures within riders. We conclude therefore that models and their estimates must be specific, both to the individual and to the quality (e.g. speed or endurance) that the individual seeks to train. While the parameter estimates we obtain may be useful for comparing given training programmes, we show that the underlying models themselves are not appropriate for the optimisation of a training schedule in advance of competition.

研究动机与目标

• 对专有训练软件中使用的训练-表现模型进行稳健的统计分析。
• 利用来自公路自行车运动员的真实世界实地数据，估算Banister模型参数。
• 评估通用训练模型是否适用于优化赛前准备的训练计划。
• 评估表现指标（例如功率输出、心率）如何影响模型参数估计。
• 确定模型参数在不同运动员之间是否一致，或是否因个体和表现质量而异。

提出的方法

• 本研究将表现建模为一个其期望值依赖于训练输入的随机变量，使用来自公路自行车运动员的实地采集功率和心率数据。
• 定义并分析了四种不同的表现指标，以评估其与训练负荷的关系。
• 应用统计建模方法，从实证数据中估算Banister训练-表现模型的参数。
• 参数估计考虑了个体差异以及与特定表现目标（例如速度与耐力）相关的变量。
• 采用统计框架测试模型的充分性，并评估模型在训练计划优化中的适用性。
• 对不同运动员和表现指标之间的参数估计进行对比分析，以评估模型的泛化能力。

实验结果

研究问题

• RQ1 当基于实地数据估算时，Banister模型参数在不同个体公路自行车运动员之间如何变化？
• RQ2 在同一名运动员中，参数估计是否因表现指标（例如功率输出与心率）的不同而有所差异？
• RQ3 这些基础训练-表现模型在多大程度上适用于在赛前优化训练计划？
• RQ4 在单一名运动员内部，模型参数在不同表现质量（例如速度、耐力）之间是否一致？
• RQ5 该统计模型能否在真实骑行条件下可靠地基于训练输入估计表现结果？

主要发现

• Banister模型的参数估计在不同个体自行车运动员之间存在显著差异，表明‘一刀切’模型不充分。
• 在同一名运动员中，不同表现指标的参数估计存在差异，表明训练效应在不同类型表现之间并非均匀分布。
• 本研究得出结论：训练-表现模型必须针对个体及其特定目标表现质量（例如速度或耐力）进行个性化。
• 基于聚合数据推导出的通用模型不适用于在赛前优化训练计划。
• 统计分析证实，模型参数对个体生理特征和表现指标的选择均敏感。
• 研究结果强调了个性化、表现特定建模的必要性，而非依赖标准化训练模型。