训练负荷 (Training Load)

训练负荷用于量化一次训练、一周训练或一个训练周期对身体造成的压力。它让耐力运动员可以用同一套语言比较不同训练、管理疲劳，并判断自适应训练计划应该继续构建、维持、恢复，还是调整。

如果缺少负荷量化，你很难把“2 小时轻松骑/跑”和“30 分钟间歇”放到同一把尺子上比较，也更难判断近期负荷是否上升过快、恢复是否跟得上。

核心指标

为什么要量化训练负荷？

1. 客观对比：把不同时长、不同类型训练放在同一标准下衡量。
2. 追踪进步：确保周负荷逐步提升，避免突然暴涨带来的伤病风险。
3. 管理恢复：高负荷必然需要更多恢复，量化能帮助你更理性地安排训练日与休息日。

训练负荷如何支持自适应计划？

训练负荷不是训练计划本身，而是计划调整背后的证据层：

• 完成训练之后：可以比较实际负荷与计划负荷，而不是只看“是否完成”。
• 做周期复盘时：CTL、ATL 与 TSB 可以帮助区分长期体能趋势和短期疲劳。
• 决定是否调整前：漏训、疲劳异常升高、负荷增长过快，都可能成为调整后续训练的理由。

Trainingload.ai 的核心循环正是：计划 → 完成训练 → 负荷趋势 → AI 教练复盘 → 用户确认调整。

相关概念

• 训练压力分数 (TSS)：单次训练压力。
• 强度系数 (IF)：相对阈值的训练强度。
• 训练冲量 (TRIMP)：基于心率的内部负荷。
• 长期训练负荷 (CTL)：长期负荷趋势。
• 短期训练负荷 (ATL)：近期疲劳趋势。
• 训练压力平衡 (TSB)：由 CTL 与 ATL 推导出的状态/清新度。