Kilpailuajan ennustaja

Kirjoita tunnettu kilpailutulos ja ennusta aikasi mihin tahansa muuhun etäisyyteen Riegelin kaavalla.

Muoto: MM:SS tai T:MM:SS

Mikä on kilpailuajan ennustaminen?

Kilpailuajan ennustaminen arvioi kuinka nopeasti voit juosta tietyn etäisyyden perusteella äskettäiseen suoritukseen toisella etäisyydellä. Taustalla oleva olettamus on, että kestävyyssuorituskyky skaalaa ennustettavasti etäisyyden kanssa – aerobinen kapasiteetti, juoksuntalous ja väsymysenkintakenus yhdistyvät karakteristisen suorituskäyrän tuottamiseksi. Matemaattiset mallit, jotka on koulutettu tuhansilla kilpailun tuloksilla, vangitsevat tämän käyrän ja heijastivat sen etäisyyksiin, joita et ole vielä juossut, auttaen sinua asettamaan realistiset tavoitteet ja kalibroimaan harjoitteluvauhteja.

Ennusteet ovat luotettavimpia, kun viitekilpailu oli äskettäinen (8–12 viikon kuluessa), juostu maksimaalisen ponnistelussa vertailukelpoisella kurssilla, ja tavoiteetäisyys on viitekilpailusta kahden askeleen sisällä – esimerkiksi ennusta puolimarathon 10K: sta, ei marathonia 5K: sta. Mitä kauempana toisistaan viite- ja tavoiteetäisyydet ovat, sitä laajempi virheväli tulee.

Kuinka kilpailuajan ennustaja toimii

Tämä laskin käyttää Riegelin kaavaa, jonka Pete Riegel julkaisi vuonna 1977 ja joka on edelleen käytetyin kilpailuajan ennustemalli:

T₂ = T₁ × (D₂ / D₁)^1.06

Missä T₁ on tunnettu aikasi, D₁ on tunnettu matkasi, D₂ on tavoitematka ja 1,06 on väsymyseksponentti. Eksponentti huomioi sen, että pidemmät kilpailut vaativat suhteessa enemmän aikaa — et voi ylläpitää samaa tahtia loputtomiin.

Rajoitukset

Riegelin kaava antaa fysiologisesti saavutettavan ajan olettaen optimaalisen tahdituksen, riittävän harjoittelun ja tasaiset reitit. Se yleensä:

  • Aliarvioida maratonaikoja juoksijoille, jotka harjoittelevat vain 5K/10K-matkoille
  • Hieman yliarvioida suoritusta ultramatkoilla (50K+)
  • Ei huomioi lämpöä, korkeuseroja tai kilpailupäivän olosuhteita

Kuinka tarkkoja ovat kilpailuennusteet?

Riegelin kaava toimii huomattavan hyvin 5K–maratonin välisille matkoille, tyypillinen tarkkuus 2–5%. Eksponentti 1.06 olettaa samanlaisen harjoittelutason molemmille matkoille. Kaava ei huomioi rataolosuhteita. Paras ennuste tulee tuoreesta kilpailusta lähimmällä matkalla.

Kilpailuennusteiden käyttäminen harjoittelussa

Kilpailuajan ennustamisen ensisijaisena käyttönä on harjoitteluvauhtien asettaminen. Useimmat strukturoidut harjoitussuunnitelmat – Daniels' Running Formula, Pfitzinger, Hanson – käyttävät viitekilpailua vauhti-alueiden määrittämiseksi: helppo vauhti, marathonvauhti, kynnysvauhti (suunnilleen 10K–puolimarathon vauhti) ja intervalli vauhti (5K vauhti). Jos sinulla ei ole äskettäistä kilpailua, kova aikakoe mitatulla etäisyydellä tuottaa luotettavan syötteen. Työkalun ennustetut ajat jokaista standardietäisyyttä kohti antavat sinulle täydellisen harjoittelutavoitteiden valikoiman yhdestä ponnistelussa.

Käytä kilpailuennusteita tosiasiaksi tarkistuksena tavoitteillesi. Jos nykyinen 5 kilometrisi on 25:00 ja tavoitteesi on sub-2-tunti puolimarathon, Riegel-kaava ennustaa noin 2:05 – mikä tarkoittaa, että sinun on parannettava 5 kilometriäsi noin 23:30: ään ensin. Taaksepäin työskentely tavoitekilpailusta vastaavaan 5K tai 10K tavoite vauhti on uskomattoman hyödyllinen tapa suunnitella, mihin kilpailuihin ja harjoituslohkoihin keskityt kauden aikana.

Yleiset ennustusvirheet

Huonon päivän kilpailun käyttäminen tuotteena tuottaa pessimistisiä ennustuksia – 10 kilometrin kilpailu kuumuudessa, sairauden kanssa tai varovaisessa vauhdissa aliarvio nykyinen kuntosi. Kääntäen kuukausien takaisesta huippusuorituksesta käyttäminen yliarvioita. Kunto heikkenee merkittävästi 10–12 viikon kuluessa ilman spesifiä harjoittelua. Käytä aina viimeisintä tulosta aidosta maksimaalista ponnistelussa. Parkrun (5K) viikottaiset tulokset ovat erinomainen lähde johdonmukaisten viitetaikojen osalta juoksijoille Iso-Britanniassa ja Pohjoismaissa.

Käytä sitä harjoitustavoitteena ja tavoitteesi järkitarkistuksena, ei takeena.

Kilpailuajan ennustaminen mukauttaville urheilijoille

Riegel-kaava toimii yhtä hyvin pyörätuoli-kilpailussa, käsicyklissä ja muussa mukauttavassa kestävyys – se on etäisyysperusteinen, ei juoksubiomekaniikan kannalta. Käytä äskettäin pyörätuoli 5K, 10K tai puolimarathon aikaa viitteenä. Pyörätuoli-kilpailunennusteet ovat erityisen arvokkaita maantiekilpailussa, joissa vakioetäisyydet (5K marathoniin) kartoittavat suoraan saatavilla oleviin tietoihin. Kuten juoksussa, ennustetarkkuus laskee hyvin pitkille etäisyyksille ja urheilijoille, joiden harjoittelu on ollut voimakkaasti etäisyysspesifinen.

Usein kysytyt kysymykset

Kuinka tuoreessa tulee viitekilpailusitä olla?

Ihanteellisesti 6–8 viikon sisällä. Kuntoilutaso muuttuu nopeasti – erityisesti aerobinen kapasiteetti strukturoidun harjoituslohkon jälkeen. Jos viimeinen kilpailusi oli 3–4 kuukautta sitten, ennusteet antavat hyödyllistä likimääräistä arviota, mutta kohtelee tulosta likimääräisenä. Parkrun-aika-testi tehty nimenomaan nykyisen viitteen saamiseksi on arvokkaampi kuin puolimarathon kuudesta kuukaudesta sitten. Jos olet harjoitellut johdonmukaisesti viitekilpailun jälkeen, ennuste saattaa aliarvioida nykyisen kuntoasi.

Voinko ennustaa marathonin loppusuoritus ajoista tällä työkalulla?

Riegel-kaava muuttuu yhä vähemmän luotettavaksi marathonin yli. Ultrasuo suorituskyky riippuu voimakkaasti pacingstrategiasta, ravinnon täytäntöön panosta, unenhallinnasta ja maastosta – muuttujista, joilla ei ole vastinetta lyhyemmissä kilpailuissa. 50 kilometeristä pidemmälle, käytä ultranennustusresursseja, jotka sisältävät korkeusprofiilin, reittiehdot ja ultraspesifiikin kokemuksen. Kaava voi silti antaa mielenkiintoisen viitepisteitä, mutta käsittele sitä hyvin karkeana ultraaikasi alarajaksi.

© 2026 raacon/. Ilmaiset kuntoilutyökalut urheilijoille.

raacon is a trademark of Raadig AS (NO 833 209 132)

Ei yhteydessä mihinkään urheilumerkkiin.

mail@raadig.no

Tietosuojakäytäntö

Käytämme evästeitä analytiikkaan ja mainontaan (Google AdSense). Kuntoilutyökaluista ei lähetetä henkilötietoja selaimestasi. Tietosuojakäytäntö