【如何用一兩句話來定義RQ裡的「體能」】
上個月在大陸的心率教練認證課程中，當我們談到RunningQuotient(RQ)這個跑步數據的分析工具時，一位學員問到：如何用一兩句話定義RQ狀況圖表中的「體能」？如果給我十分鐘可能還可以再從另一個角度解釋，但要用一兩句話，這種簡單的定義反而最難了。一下子想不出適合的答案，回來思考了幾天，也跟RQ的夥伴線上討論了幾次，最終回覆給這位學員的答覆是用比喻的……我們把RQ中的「體能」比喻成：
「提供跑者能量的油箱大小」。
--進一步解釋如下--
油箱的容量是透過訓練量的刺激所擴大的；當跑者練得愈多，油箱就會愈大，圖中的藍線就會上升，但油箱愈大並不等同於引擎的馬力與開車的技巧高低，只能保證這台車可以開得比較久而已；反過來說，訓練量減少時，油箱的容量也會變小(就像比賽前的減量期，藍線會開始下降)，但體能下降不代表運動表現會跟著下滑，有規劃地減量時因為練得少，反而更能專注技術或力量而練就更有效率的跑姿。
這邊只是把「RQ體能」比喻成「油箱」，並非「油量」。體能愈高，只能代表油箱愈大，只要一直把跑量加上去，體能就會一直往上飆，油箱雖然變大，但也可能愈來愈空。因為疲勞累積得更快(紅線爬升)，這會使得「RQ狀況」(橘線)往下掉。
訓練時的減量(例如圖中的8/24~9/16)就像是一個賽車進站維修加油與讓賽車手養精續銳的過程。
--
第二張圖是RQ體能、疲勞與狀況指數的公式，這個公式是在1975年時由班尼斯特(Banister)等科運動科學家所提出，名為「刺激-回饋理論方程式」(Impulse-Response Model Function)，只要把過去每次的訓練量輸入此方程式，它就能算出你長期積累的體能、疲勞與狀況指數。累計的資料愈多，分析的數據會愈準確。
這個公式的簡化版是：
狀況指數Pt = 初始體能P0 + 累積體能 - 累積的疲勞
當「體能 」大於「 疲勞」，代表狀況好(正值)
當「體能 」小於「 疲勞」，代表狀況差(負值)
公式背後的邏輯是：體能要變好就需要訓練，這無庸置疑，但訓練後同時也會使你變得更疲勞。也就是說，持續訓練會持續加強你的「體能」，但「疲勞」同時也一起累積。所以，長期的狀況指數即是從長期累積下來的體能，減去近期累積的疲勞。
這個公式與圖表主要在解決許多教練和想要破PB的跑者們的困擾：訓練很札實，但在比賽日總是無法發揮最佳實力！有了它我們就能透過數據與圖表量化(圖象化)自己體能、疲勞與狀況的變化。當跑者「練很大」時，狀況指數也會「負很大」，但體能此時只會進步一點點。量化的圖表可以使你更加了解循序漸近的重要性，突然大量的訓練會使狀況指數一路狂跌，此時過度訓練和生病的風險就會大增。所以，若教練和跑者在準備重要比賽時透過監控此圖表來評估狀況，看是否需要依著既定的訓練計畫走。
公式很複雜，之前跟RQ的夥伴討論了許久才弄懂背後數學算式的原理。透過學員的提問，才開始思考該怎麼把這個「刺激-回饋理論方程式」進行簡化。弄懂複雜的知識不容易，但要把複雜的東西轉譯與簡化出來就更難了。
--
RQ官網連結：https://www.runningquotient.com/analytics/all
#RunningQuotient
#跑力
impulse response定義 在 Re: 請問訊號..... - 精華區MATLAB 的推薦與評價
※ 引述《JoeLu (三餐吃菜酺攢錢買ARAI)》之銘言：
: ※ 引述《[email protected] (深水聲道)》之銘言：
: : 有點好奇:
: : 如果是nonlinear system, 不是LTI (Linear Time-invariant) system,
: : 那麼就不能superposition, 這時怎麼定義impulse response和
: 定義 impulse response 不需要是 LTI system 吧？
要的....定義impulse response的先決條件是系統是
Linear,Time-invariant
Time-invariant保證不同時間打進來的pulse有同樣的response
Linear保證各個pulse的response可以疊加
所以才會得到y(t)=h(t)*x(t)
(convolution)
--
※ 發信站: 批踢踢實業坊(ptt.twbbs.org)
◆ From: h193.s27.ts30.h
> -------------------------------------------------------------------------- <
作者: tsaiwen (Thomas) 看板: MATLAB
標題: Re: 請問訊號.....
時間: Sun Oct 17 13:58:12 1999
※ 引述《[email protected] (吉哥哥)》之銘言：
: 現有系統的頻域轉移函數
: H(f)=acos(f)-f*sqrt(1-f^2);
: 如何能得到系統的impulse response h(t)??,此為時域
: 以及如何與input x(t)做convolution以得到outout??
: 因為系統為非線性
: 所以小弟知道的線性方法都不能用
只要是有Transfer function 的系統都是線性的
但是線性系統不見得能用Differencial Eq model來描述
你的系統就是這樣，是線性但是不是DE model
(所以Transfer function不是兩個polynomial相除)
你要算h(t)可以利用H(f)=Forier Transform{ h(t) }
h(t)=inverseFT{ H(f) }或許可以用ifft函數
不過請小心,你給的|H(f)|在f->∞時不收斂
所以是個不穩定系統
請檢查一下Transfer function是否有誤
... <看更多>