레이스 기록 예측기 – 리겔 공식 계산기

레이스 시간 예측 방법: Riegel의 공식

레이스 시간 예측은 다양한 거리에서의 성능 간의 수학적 관계에 기반합니다. 가장 널리 사용되는 모델은 1977년 American Scientist에 발표된 피터 리겔의 공식입니다:

T2 = T1 × (D2/D1)^1.06

여기서 T1은 알려진 레이스 시간, D1은 해당 레이스의 거리, D2는 목표 거리, T2는 예측 완주 시간입니다. 지수 1.06는 거리가 증가할수록 성능이 선형보다 더 빠르게 감소하는 생리학적 사실을 반영합니다 — 더 긴 레이스는 짧은 레이스보다 비례적으로 더 어려운 것입니다.

예를 들어, 5K 시간이 22:00인 선수의 마라톤 시간은 다음과 같습니다: 22:00 × (42.195/5)^1.06 = 22:00 × 9.12 = 200.6분 = 3:20:38.

리겔의 공식은 훈련된 선수가 일반적으로 사용하는 거리 범위에서 놀랍게도 정확합니다. 주요 제한: 두 거리 모두에 대해 동일한 준비가 가정됩니다. 5K에만 훈련한 선수의 마라톤은 예상보다 훨씬 느립니다.

거리 간 예측 표

이 참조 표를 사용하여 알려진 성능에 따라 다른 거리에서 예측 완주 시간을 찾으십시오. 값은 리겔의 공식 (지수 1.06)을 사용합니다:

이 예측은 평평한 코스에서 10–15°C의 적절한 레이스 준비가 있는 경우에만 유효합니다.

예측이 실패하는 이유와 조정 방법

리겔의 공식은 통계적으로 평균적인 예측을 제공하지만, 당신은 통계적으로 평균이 아닙니다. 여러 체계적인 요인이 개인 예측을 오류로 유도합니다:

• 거리 특화: 5K에만 훈련한 선수는 일반적으로 마라톤 예측보다 짧은 거리에서 더 잘 수행합니다. 마라톤에서는 반대로, 마라톤 예측보다 5K 시간이 더 좋습니다. 훈련이 한 가지 유형의 작업에 중점을 둔 경우 예측을 조정하십시오.
• 훈련량: 30마일/주를 훈련하는 선수는 5K 시간으로부터 예측한 마라톤보다 더 느립니다. 마라톤 성능을 초과적인 호흡 능력 이외의 긴 러닝이 필요합니다.
• 온도: 15°C를 초과하는 5°C당 1–3% 느려지는 것을 예상하십시오. 이 효과는 누적되며, 30°C의 마라톤 날씨는 8–15% 느려질 수 있습니다.
• 코스 난이도: 총 오르막, 총 오르막, 표면 유형 등이 예측에 영향을 미칩니다. 대부분의 예측 공식은 평평한 도로 코스를 가정합니다.
• 호흡성 성숙도: 새로운 러너는 일반적으로 기초 거리 레이스와 더 긴 예측 사이에 더 큰 개선률을 경험합니다. 호흡 체계가 아직 정점에 도달하지 않았습니다.

대부분의 레크리에이션 러너에게는 가장 정확한 마라톤 시간 예측은 최근 하프 마라톤 레이스 시간 (이것을 두 배하고 10–15분을 추가하여 근사한 시작점으로, 또는 리겔의 공식 사용)이 됩니다.

다른 레이스 예측 모델

리겔의 공식과 경쟁하는 여러 대안 모델이 있습니다. 각 모델은 다음과 같은 강점을 가지고 있습니다:

• Cameron 모델: 더 복잡한 지수 방정식을 사용합니다. 일반적으로 리겔이 극단적인 거리 (울트라 마라톤)에서 성능을 과대 예측하는 경우 더 정확합니다.
• VDOT 방법 (Jack Daniels): 레이스 시간을 VDOT 점수로 변환하고, VDOT 점수를 사용하여 다른 거리에서 예측 시간을 찾으십시오. 1500m–마라톤 범위에서 VDOT가 최대 노력으로부터 유도된 경우 매우 정확합니다.
• VO2max 방법: 레이스 시간으로부터 VO2max를 추정하고, 산소 소비량 계산 방정식을 사용하여 다른 거리에서 예측 시간을 계산하십시오. 생리학적으로 근거가 있지만 더 많은 계산이 필요합니다.
• 세계 육상 점수 표: 점수 계산을 위해 설계되었지만, 이 표는 거리 간의 동등한 성능을 암시하며, 약간의 예측을 위해 사용할 수 있습니다.

실제 레이스 계획을 위해, 리겔의 공식은 5K–마라톤 범위에서 간단하고 정확하기 때문에 가장 일반적으로 사용됩니다. 중요한 목표 설정을 위해 여러 모델을 사용하고 평균화하십시오.

경주 예측을 위한 훈련

경주 시간 예측은 경주 목표를 설정하는 데만 유용한 것이 아니라 훈련 도구로도 강력합니다. 코치들은 예측 시간을 어떻게 사용하는지 알아보겠습니다.

• 준비 확인: 5K 시간이 3:30 마라톤을 예측하지만 3:15 마라톤을 목표로 하고 있다면, 더 많은 훈련이 필요하거나 더 보수적인 목표를 설정해야 합니다.
• 약점 식별: 10K 시간이 실제 마라톤 성과보다 훨씬 빠른 마라톤을 예측한다면, 장거리 내력 훈련 부족을 가지고 있음을 알 수 있습니다.
• 중간 목표 설정: 경주 예측을 사용하여 마라톤 훈련 주기 내 5K 및 10K 경주 목표를 설정하세요. 짧은 거리에서 예측한 동일한 노력으로 경주하는 것은 훈련 자극의 가치가 있습니다.
• 기준 피트니스: 20주 훈련 계획의 8주차에 경주 노력으로 5K 또는 10K 시간을 측정하세요. 예측을 사용하여 훈련이 목표에 맞게 진행되고 있는지 확인하세요.

Jack Daniels VDOT 접근법은 특히 강력합니다: 어떤 경주에서나 VDOT를 계산하면, 훈련 속도와 함께 모든 표준 거리에서 예측 시간이 동시에 제공됩니다.

연령별 경주 성과

자연적으로 경주 시간은 연령과 함께 감소합니다. 신체적 변화 - VO2max 감소, 최고 심박수 감소, 회복 시간 증가, 근육량 감소. 연령별 성과 표를 사용하면 다양한 연령에 대한 성과 비교를 공정하게 할 수 있습니다.

세계 육상 연맹 (World Athletics, 이전에는 IAAF)은 연령별 성과 표를 유지합니다. 60세의 선수가 마라톤에서 4:30을 달성하면 연령별 점수는 72%가 될 수 있습니다. 이는 그들의 연령과 성별에 따라 세계 기록 수준의 72%와 같은 성과를 의미합니다. 일반적인 레크리에이션 선수는 어떤 연령에도 55-65% 점수를 받으며, 엘리트 연령별 선수는 75-85% 점수를 받습니다.

연령별 시간을 사용하여 예측할 수도 있습니다. 연령별 인수인 경우, 10년 또는 20년 전에 같은 경주를 달성했을 때 얼마나 빠르게 달렸을지 예측할 수 있습니다. - 또는 절대 시간 목표가 연령에 따라 어떻게 조정되어야 하는지.

일반적으로, VO2max는 25세 이후 10% 감소하지만, 꾸준한 유산소 훈련을 유지하는 경우 5-7%만 감소합니다. 활동을 유지하면 달리기 성과의 연령과 관련된 감소가 크게 느껴집니다.

Daniels' VDOT 경주 예측 시스템

Riegel의 공식은 순수 수학적 모델인 반면, Jack Daniels의 VDOT 시스템은 경주 시간 예측에 대한 신체학적 기반 접근법을 사용합니다. Daniels' Running Formula에서, 그는 1500m에서 마라톤까지 모든 표준 거리에서 경주 성과에 해당하는 시간을 매핑하는 VDOT 표를 개발했습니다.

VDOT의 주요 이점: Daniels' 표는 실제 선수 성과에서 계산된 것이며, 수학적 추출만으로는 아닙니다. 거리와 성과 간의 비선형 관계를 더 정확하게 설명합니다, 특히 극단적인 경우 (매우 짧은 및 매우 긴 경주).

VDOT 예측 예를 Riegel 예측과 비교합니다.

대부분의 실용적인 목적에서, Riegel과 VDOT 예측 사이의 차이는 1-2분으로 작습니다. 그러나 VDOT는 예측뿐만 아니라 훈련 속도도 지정하는 더 완전한 시스템을 제공하므로, VDOT가 더 큰 이점을 가지고 있습니다.

Daniels는 VDOT 동등성은 거리 간에 동일한 훈련 특이성을 가정한다고 경고합니다. 트랙 선수는 마라톤 준비가 없으면 VDOT 예측한 마라톤 시간을 달성하지 못할 수 있습니다. 반대로, 마라톤만 훈련하는 선수는 5K에서 VDOT 동등성에 따라 하락할 수 있습니다.

Pfitzinger의 레이스 타임 이퀄리언스 접근법

Pete Pfitzinger, Advanced Marathoning과 Faster Road Racing에서, 훈련 맥락에서 레이스 타임 예측을 사용하는 데 있어 실용적인 지침을 제공합니다. 그의 접근 방식은 수학적 예측의 주요 수정 요인으로 준비의 특이성의 중요성을 강조합니다.

Pfitzinger는 예측의 신뢰도 세 가지 계층을 식별합니다.

• 높은 신뢰도 (인접 거리): 최근 5K에서 10K를 예측하거나, 최근 10K에서 반 마라톤을 예측합니다. 거리 간의 오버랩이 충분하므로 정확도: 1–2% 내.
• 중간 신뢰도 (2–4 거리 비율): 반 마라톤에서 마라톤을 예측하거나, 5K에서 반 마라톤을 예측합니다. 거리별 훈련이 충분히 된 경우 정확도: 3–5% 내.
• 낮은 신뢰도 (극단적인 비율): 1500m 또는 마일 타임에서 마라톤을 예측합니다. 생리적 수요가 너무 다르기 때문에 수학적 예측만으로는 신뢰할 수 없습니다. 마라톤 특화 훈련이 없는 경우 10% 이상 오류가 발생할 수 있습니다.

Pfitzinger의 마라톤 예측의 실용적인 규칙: 반 마라톤 시간을 두 배로 하고 5–15분을 더해라, 잘 훈련된 러너 (60+ 마일/주) 에서 낮은 끝 (30–40 마일/주) 에서 높은 끝. 이 "더블 플러스" 규칙은 마라톤의 두 번째 반의 지연을 고려합니다.

그는 또한 예측 정확도가 계절에 따라 달라진다고 강조합니다. 6 개월 전의 레이스 타임은 4–6 주 전의 것보다 더 불신뢰할 만한 예측자입니다. FITNESS의 변동 (양쪽 모두) - 양성 및 부정 - 예측의 유효성을 크게影响합니다.

Hanson의 누적 피로 모델과 경주 예측

Hanson 방법은 경주 예측에 대한 독특한 관점을 제공합니다: 수학적 공식에만 의존하지 않고, 피로한 다리에서 훈련 성과를 직접 경주 가능성의 예측자로 사용합니다.

Hanson 시스템에서, 주요 훈련 기준은 경주 준비를 예측합니다:

Hanson의 예측 방법은 기본적으로 실용적입니다: 피로한 다리에서 훈련 기준을 달성할 수 있다면 경주 목표는 달성 가능합니다. 훈련에서 일관적으로 속도 표적을 놓치면 수학적 예측은 무의미합니다 - 몸은 목표가 조정해야 함을 말합니다.

이 훈련 기반 예측 방법은 Riegel 및 VDOT와 함께 실용적인 검증 계층을 추가합니다. 최고의 경주 예측은 다음과 같은 조합을 결합합니다: (1) 최근 경주 시간에 대한 수학적 모델, (2) 경주 특정 노력에 대한 훈련 성과 확인, (3) 경주 일일 조건 (날씨, 코스, 고도) 조정.