Elevate: 健身趋势“表格”必须基于昨天的“健身”和“疲劳”

根据定义，表格为（TrainingPeaks）：
训练压力平衡（TSB）或表格表示训练压力平衡。

表格（TSB）=昨天的体能（CTL）-昨天的疲劳（ATL）

https://help.trainingpeaks.com/hc/zh-CN/articles/204071764-Form-TSB-

@aprokop是的，应该使用所使用的数学模型。 公式在助手中

@thomaschampagne不确定我是否理解您的评论。 您是说已经进入了吗？

@aprokop是的。 提升健身模型=训练高峰模型

@thomaschampagne我不这么认为。 TrainingPeaks模型是

Form(day+1) = Fitness(day) - Fatigue(day)

似乎其他两个公式也不完全正确，应该是

Fitness(day+1) = Fitness(day) + (StressScore(day+1)-Fitness(day)) x ...
Fatigue(day+1) = Fatigue(day) + (StressScore(day+1)-Fatigue(day)) x ...

我看我的TrainingPeaks曲线，主要的努力会显着影响同一天的“健身”和“疲劳”，以及第二天的“健身”。

yupp这也是我的观点：

@thomaschampagne我不这么认为。 TrainingPeaks模型是

形式（天+1）=健身（天）-疲劳（天）

好吧，我不明白。 我重新开了票。 感谢您的挖掘。 仅供参考代码在这里： https :

做公关对您来说是可能的，还是我自己处理？

从未使用过这种编程语言，但如果您认为它很简单，我可以尝试。 我想我主要关心的是受影响代码的范围，以及是否需要任何重组。

@aprokop范围只能是该方法https://github.com/thomaschampagne/elevate/blob/990b5d0fc11113b2c4d120e6aec9f0ba3dc0e844/plugin/app/src/app/fitness-trend/shared/services/fitness.service.ts#L226

但请放心，我会这样做。 只需要您的帮助来测试和验证更改。

@aprokop您确定

Fitness(day+1) = Fitness(day) + (StressScore(day+1)-Fitness(day)) x ...
Fatigue(day+1) = Fatigue(day) + (StressScore(day+1)-Fatigue(day)) x ...

我根据您的建议修复了代码（通过提交https://github.com/thomaschampagne/elevate/commit/ec73ee0c5a6d3c78662c41b94a4e090c70a1572b）。 为了简化现有代码的实现，我实现了您的公式，如下所示：

Fitness(day) = Fitness(day-1) + (StressScore(day)-Fitness(day-1)) x ...
Fatigue(day) = Fatigue(day-1) + (StressScore(day)-Fatigue(day-1)) x ...
Form(day) = Fitness(day-1) - Fatigue(day-1)

@aprokop @ jayti74

• 您可以在提交https://github.com/thomaschampagne/elevate/commit/ec73ee0c5a6d3c78662c41b94a4e090c70a1572b上执行代码审查吗？ （如有需要，请评论）

• 您还可以测试以下版本并将其与TrainingPeaks进行比较，以确保一切正常，而无需进行回归吗？ （构建包括提交https://github.com/thomaschampagne/elevate/commit/ec73ee0c5a6d3c78662c41b94a4e090c70a1572b ofc）

测试版本： v6.6.0_stable_ec73ee0_2018-10-17-16-05.zip

谢谢你的帮助 ：）

@thomaschampagne

您确定对此有100％的把握吗？

是的，没有。 是的，我确定这是错误的，因为它与TrainingPeaks不匹配，因为同一天的努力不会影响同一天的健身/疲劳。 当然有必要将StressScore（day）更改为StressScore（day + 1）。 但是，我不确定这是否是正确的公式。 有人可能会认为

Fitness(day+1) = Fitness(day) + (StressScore(day+1)-Fitness(day+1)) x ...

也有道理（然后需要解决Fitness（天数+1））。 但是我认为这是一件好事。

提交正确实现建议的公式。 您可以将prevCtl和朋友的更新移出if (isPreStartDay)子句，但这是次要的。

我会在晚上回家时进行测试。

只是尝试了一下，它的表现就和预期的一样。 表格在第二天下降，而健身和疲劳在同一天上升。 所以，我认为现在一切都很好。

@aprokop感谢您的测试和审查！ 因此，我们有2个公式：

Fitness(day+1) = Fitness(day) + (StressScore(day+1)-Fitness(day+1)) x ...
-- or --
Fitness(day+1) = Fitness(day) + (StressScore(day+1)-Fitness(day)) x ...

但是我认为第一个问题:)如果Fitness(day+1)也是表达式的一部分，那么计算Fitness(day+1)是很奇怪的...这就是我们要查找的。

如果我们解决表达式，我们有：

Fitness(day+1) = (Fitness(day) - k * StressScore(day+1)) /(1 - k)  where k = exp(-1/42)

... 那有意义吗？！

有没有办法每天从TrainingPeaks导出csv数据？ 还是从TrainingPeaks图形屏幕截图中获取更多信息？

在您的TrainingPeaks图屏幕截图上，红点是您需要努力的日子吗？ 您是否确定健身和疲劳曲线在您努力的那一天会上升？

谢谢你的帮助 ：）

@thomaschampagne我同意你的观点， Fitness(day+1) = Fitness(day) + (StressScore(day+1)-Fitness(day+1)) x ...是一个奇怪的人。 我只提到它是因为我不确定100％。

有没有办法每天从TrainingPeaks导出csv数据？ 还是从TrainingPeaks图形屏幕截图中获取更多信息？

这是一个好主意。 我相信这是有可能的，并且我过去已经做到了。 让我尝试获取最近的数据。

在您的TrainingPeaks图屏幕截图上，红点是您需要努力的日子吗？ 您是否确定健身和疲劳曲线在您努力的那一天会上升？

是的，红色点是每天的TSS值，蓝色点是强度。

您是否确定健身和疲劳曲线在您努力的那一天会上升？

是。

好的，因此可以导出锻炼，但不能导出曲线值。 精细。 让我们测试一下。

让我们看一下最近的竞争（标记为-非重要数据）。 数据必须从图形中获取，并且使用TrainingPeaks将其四舍五入为最接近的整数。

| | 赛前日| 比赛日| 比赛后
|-|-|-|-||
| TSS | -| 395 | -|
| 疲劳 54 | 102 | -|
| 健身| 61 | 69 | -|
| 表格| -| 8 | -33 |

所以：

1. 疲劳（天）-健身（天）= 69-102 = 33 =形式（天+1），因此我们有正确的形式公式。
2. 疲劳（第1天）+（TSS-疲劳（第1天））x ... = 54 +（395-54）x（1-e **（-1/7））= 99，因此大约为102？
3. （疲劳（第1天）+ TSS （1-k））/（2-k）=（54 + 395 （1-k））/（2-k）= 94，所以渐行渐远。 （k = exp（-1/7））。 我在这里固定了公式的计算，因为前面的评论中的公式是错误的。
4. 适应度（day-1）+（TSS-适应度（day-1）x ... = 61 +（395-61）x（1-e **（-1/42）= 69），这是正确的。
5. （健身（day-1）+ TSS （1-K））/（2-K）=（61 + 395 （1-K））/（2-K）= 69，所以也差不多（这里K = exp（-1/42））。

总之，这些似乎是最好的选择：

Form(day) = Fitness(day-1) - Fatigue(day-1)
Fitness(day) = Fitness(day-1) + (StressScore(day)-Fitness(day-1)) x (1-exp(-1/42))
Fatigue(day) = Fatigue(day-1) + (StressScore(day)-Fatigue(day-1)) x (1-exp(-1/7))

PS我仍然不太明白为什么在2.中，我们只能得到99，而不是102。

看看GoldenCheetah ：

double lte = (double)exp(-1.0/ltsDays_);
double ste = (double)exp(-1.0/stsDays_);
 ...
// LTS
if (day) lastLTS = lts_[day-1];
lts_[day] = (stress_[day] * (1.0 - lte)) + (lastLTS * lte);

// STS
if (day) lastSTS = sts_[day-1];
sts_[day] = (stress_[day] * (1.0 - ste)) + (lastSTS * ste);

也有这个。

所以，我认为我们很好。

@aprokop非常感谢您的深入分析！ 清楚，明确！