Fadiga (ATL)
Entenda como o Trainingload.ai modela a Fadiga (ATL) a partir da carga diária e como interpretar a tendência sem tratá-la como medida direta de fadiga.
A Fadiga (ATL), ou carga aguda de treinamento, é uma média exponencial da carga diária que reage rapidamente. Os dias recentes têm mais peso, por isso a ATL muda mais depressa que o Condicionamento físico (CTL). O Trainingload.ai usa uma constante de tempo de sete dias por padrão.
“Fadiga” é um rótulo simples da interface. A ATL resume carga recente modelada; não mede diretamente fadiga fisiológica ou percebida, recuperação, saúde ou adaptação.
Origem e fórmula
Para cada atividade, o Trainingload.ai seleciona uma carga baseada em potência, frequência cardíaca, ritmo ou RPE da sessão. Atividades do mesmo dia são somadas em daily_load; um dia sem carga registrada entra como zero.
decay_ATL = exp(-1 / 7)
ATL_today = ATL_yesterday × decay_ATL + daily_load × (1 − decay_ATL)Com a configuração padrão, decay_ATL ≈ 0.866878 e a carga de hoje recebe peso de cerca de 0.133122. Sete dias é uma constante de tempo, não uma média simples da última semana. Após uma mudança para uma carga diária constante, a ATL incorpora cerca de 63,2% da mudança em uma constante de tempo e 95% em três.
A ATL sobe quando a carga recente supera o nível atual, se mantém quando a carga o sustenta e cai com descanso, recuperação ou polimento. Sozinha, ela não mostra se o atleta está de fato fatigado nem se a próxima sessão é segura.
Use-a com Condicionamento físico (CTL), Forma (TSB), qualidade das sessões, sono, dor, doença, RPE e percepção subjetiva.