急慢性负荷比（ACWR）

**急慢性负荷比（ACWR）**用于比较模型中的近期负荷趋势和较长期负荷趋势。在 Trainingload.ai 中，页面显示的 A:C 值就是当前 ATL 除以当前 CTL。

它适合用来定位负荷上下文的变化，再继续检查造成变化的训练和运动员信号。ACWR 不直接测量适应、疲劳、恢复、准备度、受伤概率或医学风险。

示例卡片：数值仅用于展示界面样式。

Trainingload.ai 的准确算法

server 会先基于选定的每日训练负荷输入，维护两个指数移动平均：

CTL_today = DailyLoad × (2 / 43) + CTL_yesterday × (1 - 2 / 43)
ATL_today = DailyLoad × (2 / 8)  + ATL_yesterday × (1 - 2 / 8)

然后计算：

ACWR_today = ATL_today / CTL_today

当 CTL 为零时，产品返回 0，避免除以零。状态接口会把结果保留两位小数。

这是一个耦合的 PMC 风格比值：当天负荷同时进入 ATL 和 CTL。它不是“最近 7 天”和“最近 28 天”的简单算术平均之比，也不是排除近期窗口的解耦研究变体。

怎么理解变化

client 当前显示四个分段：

这些边界用于解释当前界面，不能证明某个数值对个人而言“最佳”“危险”“训练不足”“过度训练”或能够预测伤病。

实际复查流程

1. 确认 ATL、CTL 和 A:C 对应同一天。
2. 打开 PMC 图表，定位比值从哪一天开始变化。
3. 回到具体活动，核对该时间段的训练负荷。
4. 检查个人阈值或负荷源优先级是否发生变化。
5. 加入模型外信息：课程完成质量、主观疲劳、睡眠、疼痛、生病和既往伤病。
6. 只有组合证据支持调整时，再改变后续计划。

数据质量检查

A:C 异常时，通常应先检查输入和分母，而不是立即做训练结论：

• 活动是否缺失或重复；
• 活动是否缺少可用的功率、心率、配速或 session-RPE 负荷；
• FTP、LTHR、配速阈值或负荷源优先级是否刚刚修改；
• 长期停训或新账号是否导致 CTL 很小；
• 导入活动是否存在日期边界或时区偏差。

相关指标

• ATL：作为分子的近期负荷模型。
• CTL：作为分母的较长期负荷模型。
• TSB：当前 CTL 与 ATL 的差值。
• 训练负荷：每日负荷如何进入 PMC 模型。