Pace · model ketahanan Riegel

Prediktor Waktu Lomba Lari

Prediktor waktu lomba memperkirakan waktu finis Anda pada satu jarak dari hasil di jarak lain menggunakan rumus Riegel, T2 = T1 * (D2/D1)^1.06. Masukkan lomba terbaru, seperti 45:00 untuk 10K, dan ia memprediksi kira-kira 21:35 untuk 5K, 1:39:17 untuk half, dan 3:27:01 untuk marathon.

Ditinjau oleh Coach SvenMetodologi

Angka-angkamu

Semuanya dihitung seketika di browsermu. Tidak ada yang disimpan atau dikirim ke mana pun.

10K Anda

45:00

4:30 /km

Prediksi waktu setara

5K4:19 /km21:35
10KDirekomendasikan4:30 /km45:00
Half marathon4:42 /km1:39:17
Marathon4:54 /km3:27:01
  • Eksponen Riegel 1.06 mengasumsikan latihan yang setara di semua jarak; prediksi memudar dalam akurasi pada lompatan yang sangat panjang antar jarak.
  • Marathon yang diprediksi dari 5K cenderung optimistis kecuali Anda telah membangun basis ketahanan yang dituntut jarak yang lebih panjang.
  • Berdasarkan Riegel PS (1981), "Athletic Records and Human Endurance," American Scientist 69(3):285-290.

PDF berisi hasil personalmu, plus kode QR untuk membukanya kembali kapan saja.

Cara kerja prediktor

Kalkulator ini menggunakan persamaan ketahanan Peter Riegel tahun 1981, rumus prediksi lomba yang paling banyak digunakan dalam lari. Ia mengambil satu hasil yang diketahui dan menskalakannya ke jarak lain mana pun dengan T2 = T1 * (D2 / D1)^1.06, di mana T1 dan D1 adalah waktu dan jarak Anda yang diketahui, T2 dan D2 adalah waktu yang diprediksi dan jarak target, dan 1.06 adalah eksponen kelelahan.

Eksponen itulah keseluruhan idenya. Jika Anda bisa mempertahankan pace yang sama selamanya, eksponennya akan 1.0 dan waktu akan menskala linear dengan jarak. Pada kenyataannya pace memudar seiring jarak bertambah, jadi eksponennya sedikit di atas 1.0. Riegel mencocokkan 1.06 di seluruh ribuan hasil dari lari, renang, dan bersepeda, dan ia bertahan dengan baik untuk acara ketahanan dari sekitar 3,5 menit hingga 4 jam.

Membaca waktu prediksi Anda

Masukkan satu lomba terbaru yang jujur dan kalkulator mengembalikan waktu setara untuk 5K, 10K, half marathon dan marathon, masing-masing dengan pace setaranya per kilometer. Baris yang cocok dengan jarak input Anda disorot dan menampilkan hasil sebenarnya Anda; ketiga lainnya adalah prediksi.

Prediksi paling andal ketika jarak antara jarak yang diketahui dan jarak target Anda kecil. 10K memprediksi half marathon dengan baik, dan half memprediksi marathon secara wajar. Melompat jauh, misalnya memprediksi marathon dari 5K, meregangkan model dan cenderung optimistis kecuali basis ketahanan Anda mendukungnya.

Apa yang diasumsikan rumus

Persamaan Riegel mengasumsikan latihan dan kekhususan yang setara di semua jarak. Ia tidak tahu apakah Anda telah melakukan lari panjang yang dituntut marathon, atau apakah panas, bukit, angin, atau pacing yang buruk mengaburkan lomba input Anda. Sampah masuk, sampah keluar: beri ia hasil terbaru yang datar, dengan pacing yang wajar, untuk prediksi yang bersih.

Gunakan prediktor sebagai target pacing dan pemeriksaan kebugaran, bukan jaminan. Banyak pelatih memperlakukan prediksi marathon Riegel dari half sebagai batas atas kasus terbaik dan menambahkan sedikit penyangga, karena 10K terakhir marathon menghukum setiap celah ketahanan yang tidak bisa dilihat rumus.

Contoh perhitungan

Seorang pelari berlomba 10K dalam 45:00 (4:30 /km):

Input lomba10K in 45:00
Prediksi 5K21:35
Prediksi half marathon1:39:17
Prediksi marathon3:27:01

Setiap prediksi berasal dari satu input 45:00 melalui T2 = 2700 * (D2/10000)^1.06.

Pertanyaan yang sering diajukan

Seberapa akurat prediktor waktu lomba?

Rumus Riegel akurat hingga dalam beberapa persen ketika jarak yang diketahui dan jarak target Anda dekat dan Anda telah berlatih untuk keduanya. 10K yang memprediksi half marathon biasanya andal. Akurasi menurun untuk lompatan besar, seperti marathon dari 5K, di mana ia cenderung memprediksi waktu lebih cepat daripada yang dapat dipertahankan kebanyakan pelari.

Mengapa eksponennya 1.06?

Eksponen menangkap bagaimana pace lari memudar seiring jarak bertambah. Nilai 1.0 berarti Anda mempertahankan pace yang sama di jarak mana pun, yang mustahil. Peter Riegel mencocokkan 1.06 di seluruh ribuan hasil ketahanan pada 1981, dan ia tetap menjadi standar untuk acara yang berlangsung kira-kira 3,5 menit hingga 4 jam.

Lomba mana yang harus saya masukkan untuk prediksi terbaik?

Masukkan lomba terbaru Anda yang diatur pace-nya dengan jujur di medan datar, idealnya dekat jaraknya dengan target Anda. Untuk memprediksi marathon, half marathon terbaru memberi perkiraan yang jauh lebih baik daripada 5K. Semakin dekat jarak input Anda dengan jarak yang ingin diprediksi, semakin kecil kesalahannya.

Apakah ia memperhitungkan bukit, panas, atau angin?

Tidak. Rumus hanya menskala waktu menurut jarak, jadi ia mengasumsikan lomba input Anda berlangsung dalam kondisi yang adil di lintasan datar dengan pacing yang rata. Jika hasil yang diketahui Anda datang pada hari yang berbukit, panas, atau berangin, ia akan membaca lambat dan prediksi Anda akan pesimistis. Gunakan hasil yang bersih untuk akurasi terbaik.

Bisakah saya memercayai prediksi marathon dari half marathon?

Perlakukan sebagai kasus terbaik. Riegel mengasumsikan Anda telah melakukan latihan spesifik marathon, terutama lari panjang. Jika basis ketahanan Anda tipis, marathon sebenarnya akan lebih lambat daripada yang diprediksi karena 10K terakhir mengekspos celah yang tidak bisa dilihat rumus. Banyak pelari menambahkan sedikit penyangga ke waktu yang diprediksi.

Sumber

  • Riegel PS (1981). "Athletic Records and Human Endurance." American Scientist 69(3):285-290. Persamaan ketahanan T2 = T1 * (D2/D1)^1.06 dan eksponen kelelahannya. Tautan
  • Riegel PS (1977). "Time Predicting." Runner's World, Agustus 1977. Popularisasi asli model prediksi jarak-waktu untuk pelari.

Dari zona ke rencana

Bawa latihan ketahanan Anda ke level berikutnya

Coach Kalle adalah pelatih ketahanan dan kekuatan berbasis AI yang mengubah zona Anda menjadi latihan harian, dan menyesuaikan seiring perkembangan Anda.

Berlatih dengan Coach Kalle →