指标 (Metrics)
训练负荷
理解训练负荷、TSS、IF 与 TRIMP，以及模型化负荷趋势如何支持基于证据的耐力计划复盘。
训练负荷 (Training Load)
训练负荷是一种为一次训练、一周训练或一个训练周期分配量化剂量的模型。它让耐力运动员可以用同一套语言比较不同训练，并复盘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？
- 客观对比：把不同时长、不同类型训练放在同一标准下衡量。
- 追踪趋势：识别模型化周负荷的渐进变化或突然变化。
- 提供恢复上下文：把负荷历史与课程质量和运动员反馈放在一起，辅助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 用于比较变化较慢和较快的模型化负荷趋势；它们不直接测量体能、疲劳或准备度。
- 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)：变化较快的近期负荷趋势。
- 训练压力平衡 (TSB)：当前 CTL 减去当前 ATL。