跑步成績預測計算機

跑步成績預測計算機可以根據單一項近期的比賽結果，估算您在所有常見跑步距離（5K、10K、10英哩、半程馬拉松和全程馬拉松）的完賽時間。它採用 Riegel 耐力公式（這是推算跑步表現最廣泛使用的方法），並在動態跑道圖表上顯示每項預測的時間與配速，讓您一目了然地進行比較。

跑步成績預測計算機是如何運作的

輸入一項您已經跑過的比賽紀錄（例如 10K 花費 50:00），該工具就能推算出在相似的賽道條件和適當的訓練下，您跑其他距離可以有多快。它的運作原理是假設您的運動表現會隨著距離按比例變化，並遵循時間與距離之間經過廣泛研究的冪定律關係。

Riegel 公式

1981 年，工程師兼馬拉松跑者 Pete Riegel 發表了一個簡單且經得起考驗的耐力表現預測模型。它將已知的時間和距離與新距離的預測時間聯繫起來：

在這裡，\( T_1 \) 和 \( D_1 \) 是您已知的完賽時間和距離，\( T_2 \) 和 \( D_2 \) 是預測的時間和目標距離，而指數 1.06 則是疲勞因子。由於該指數大於 1，公式準確地預測了您的平均配速會隨著距離的增長而稍微變慢——這正是現實中跑者所面臨的情況。

什麼是疲勞因子？

疲勞因子（指數）控制著您在更長距離下預期減速的幅度。標準值 1.06 對大多數受過訓練的跑者都很適用，但您可以進行微調：

• 較低（約 1.04）： 適合擁有強大耐力、在長距離下能很好地維持配速的跑者。
• 標準（1.06）： Riegel 的原始設定值，適合大多數人的良好預設值。
• 較高（約 1.08）： 適合速度型跑者或缺乏長距離訓練的跑者，他們在較長距離的賽事中後半段退步較多。

以 10K 50:00 為例的預測時間

請注意每公里的配速如何從 5K 的 4:49 穩定上升到馬拉松的 5:28——這正是內建在疲勞因子中的預期減速趨勢。

預測結果有多準確？

Riegel 公式對於接近您已知比賽的距離非常可靠，特別是在 5K 到半程馬拉松之間。隨著距離跨度變大，準確度會有所下降，因為更長距離的賽事極度依賴耐力、補給和配速策略，而這些是短距離賽事無法體現的。從 5K 預測出的馬拉松時間，最好被視為您在經過專屬馬拉松訓練後才能達到的「天花板」。若想獲得最可靠的馬拉松估算，請使用近期的半程馬拉松作為輸入數據。

獲得最佳預測的提示

如何使用本計算機

1. 輸入您已知的比賽紀錄： 選擇您近期參加的比賽距離（或輸入自訂距離），並輸入您的時、分、秒完賽時間。
2. 調整選項： 可選擇性地微調疲勞因子，並選擇要檢視 分鐘/公里 還是 分鐘/英哩 的配速。
3. 點擊預測： 工具會立即將 Riegel 公式應用到每個目標距離。
4. 檢視您的預測結果： 在動態跑道圖表、詳細表格以及逐步拆解說明中，比較您預測的完賽時間與配速。

常見問題

跑步成績預測計算機是如何運作的？

它使用 Riegel 耐力公式：預測時間等於您已知的時間乘以兩個距離比值的疲勞指數次方（T₂ = T₁ × (D₂ / D₁)^1.06）。只需單一項近期的比賽結果，即可估算出您在其他所有常見距離的完賽時間。

跑步時間預測有多準確？

當目標距離接近您已知的比賽距離，且您針對該距離進行了適當的訓練時，預測最為準確。該公式假設在相似的賽道條件和充足的耐力下進行，因此若從 5K 預測馬拉松會偏向樂觀，除非您已建立馬拉松專屬的耐力。

什麼是 Riegel 疲勞因子？

疲勞因子是 Riegel 公式中的指數，通常為 1.06。它反映了跑者隨著距離增加而減速的程度。較高的數值（例如 1.08）預測在長距離賽事中減速幅度較大，而較低的數值（例如 1.04）則預測您能更好地維持配速。

我可以從 5K 預測馬拉松時間嗎？

可以，但距離跨度越大，估算結果的可靠性就越低。從 5K 預測馬拉松會假設您擁有在整個距離中維持體力的耐力。為了獲得最準確的馬拉松估算，建議使用近期的半程馬拉松或長距離節奏跑作為已知的比賽數據。

最適合用作輸入的比赛數據是什麼？

使用近期在平坦賽道上、配速均勻且盡全力的表現，理想情況是過去幾週內的數據。5K、10K 或半程馬拉松通常效果很好。您已知的距離越接近想要預測的距離，結果就越精確。

預測計算機會將坡度、高溫或訓練量納入考慮嗎？

不會。它純粹根據您輸入的比賽數據，推算在平坦賽道、相同條件下的估算值。坡度、炎熱、濕度、海拔、疲勞度以及您的訓練水平都會影響您實際的完賽時間，節制地將這些預測視為目標，而非保證。

額外資源

• Peter Riegel - 維基百科
• 跑步 - 維基百科