# Stryd 跑步功率临界功率 CP 与 W′bal 重建器

由 3 分钟全力测试、功率-时间对或距离-时间试验推导跑步临界功率 CP 与无氧做功能力 W′,再重放 Stryd 功率会话(.fit/.tcx/CSV):按 Skiba 2012 积分模型与 Froncioni/Skiba/Clarke 微分模型逐秒积分 W′bal 衰减与恢复,输出力竭时间预报、Stryd 五区间分布与功率/W′bal 双面板图。

> 标准页面: https://elysiatools.com/zh/tools/stryd-running-power-critical-power-and-w-prime-bal-reconstructor

- **分类:** Sports

- **关键词:** stryd跑步功率, 临界功率cp, w prime平衡, 三分钟全力测试, 力竭时间, 功率区间, 间歇训练分析, fit功率文件, 无氧做功能力, 跑步功率计

## 概述

**CP 测试方式**(testData 文本框,按 testMode 填):
- `3-min all-out`:3 分钟全力测试功率序列,支持 "t,power" 两列(采样间隔任意)或每行一个功率(按 1 Hz);CP = 末 30 s 平均功率,W′ = 全程高于 CP 的做功(Vanhatalo 2007)。
- `power–time`:每行 "耗时秒,平均功率"(如 `180,320`),≥2 行;按 P = CP + W′/t 最小二乘拟合。
- `distance–time`:每行 "距离米,耗时"(如 `5000,1260`);用 ACSM 跑步代谢方程(VO2 = 0.2v + 0.9v×坡度 + 3.5)与体重、效率(默认 0.24)估算每次试验的机械功率再拟合——为估算口径,建议以功率计实测为准。
- `known`:直接 "cp=300 wprime=18000"。

**会话重放**:粘贴 CSV("time,power",时间为秒或 mm:ss;或仅功率列按 1 Hz)或上传 .fit / .tcx / .csv(≤20MB)。两种 W′bal 模型:Skiba 2012 积分式(τ = 546·e^(−0.01·D_CP) + 316)与 GoldenCheetah 默认的微分式(dW′bal/dt = (CP−P)·(1 或 (W′−W′bal)/W′));输出最低 W′bal、耗竭压力积分、Stryd 官方区间(Easy 65-80% / Moderate 80-90% / Threshold 90-100% / Interval 100-115% / Repetition 115-130% CP)时间分布,以及 SVG 图表。

## 输入项

- **CP 测试方式** (select)
- **测试数据** (textarea): 3-min all-out: "t,power" rows or one power per second… power–time: "180,320" per line distance–time: "5000,1260" per line known: "cp=300 wprime=18000"
- **会话功率流(CSV)** (textarea): Optional: "time,power" rows (seconds or mm:ss), or one power per second (1 Hz)
- **会话文件(.fit / .tcx / .csv)** (file)
- **W′bal 模型** (select)
- **体重(kg)** (number): 70
- **跑步效率(ACSM 用)** (number): 0.24

## 适用场景

- 完成 3 分钟全力测试或多组全力间歇后，需要精确标定临界功率 CP 与 W′ 参数。
- 分析高强度间歇跑会话中无氧能量 W′bal 的消耗最低点与恢复速率，评估力竭风险。
- 将 Stryd 导出的 .fit、.tcx 或 CSV 文件解析为 Stryd 五大功率区间的训练负荷与时长分布。

## 工作原理

- 选择测试模式（3 分钟全力测试、功率-时间拟合、距离-时间估算或输入已知数值）解析临界功率 CP 与无氧储备 W′。
- 上传或粘贴训练会话功率数据（支持 .fit、.tcx 或以秒为单位的 CSV 功率流），并设定体重与计算模型。
- 根据 Skiba 2012 积分或微分动力学模型逐秒追踪 W′bal 动态平衡，计算耗竭压力与区间驻留时间并生成可视化图表。

## 使用案例

- 跑步教练对运动员的间歇训练数据进行逐秒 W′bal 复盘，评估间歇休息时长是否足以支持下一组高强度冲刺。
- 马拉松与越野跑者结合 Stryd 功率计实测数据，预测 110% 至 130% CP 强度下的力竭时间，辅助制定比赛配速策略。
- 跑步爱好者根据多段全力跑成绩反推自身当前的 CP 与 W′ 水平，更新日常训练软件中的功率区间设置。

## 常见问题

### 3 分钟全力测试（3-min all-out）是如何计算 CP 与 W′ 的？

工具按照 Vanhatalo 2007 规范，将测试最后 30 秒的平均功率作为临界功率 CP，将全程超出 CP 部分的累积做功量作为无氧做功能力 W′。

### Skiba 积分模型与微分模型有什么区别？

Skiba 2012 积分模型根据低于 CP 的功率差动态计算恢复时间常数 τ 进行衰减恢复积分；微分模型（GoldenCheetah 常用）则基于实时剩余 W′bal 比例逐秒迭代计算微分衰减与回升。

### 支持哪些会话数据文件格式？

支持解析 20MB 以内的 .fit、.tcx、.csv、.tsv 和 .txt 格式文件，或者直接在文本框粘贴带时间戳与功率的 CSV 文本。

### 距离-时间试验（distance-time）是如何估算功率的？

系统使用 ACSM 跑步时代谢方程结合输入的体重与机械效率（默认 0.24）估算跑步机械功率，再通过双参数模型最小二乘拟合出 CP 与 W′。

### Stryd 五个功率区间是如何划分的？

区间以计算所得 CP 为基准：Easy（65-80%）、Moderate（80-90%）、Threshold（90-100%）、Interval（100-115%）、Repetition（115-130%）。

## 相关工具

- [时间序列预测与季节性分析](https://elysiatools.com/zh/tools/time-series-forecast-seasonality-analyzer): 从 CSV 或 JSON 时间序列数据中预测未来数期，并在一份报告中查看趋势、季节项和残差分解
- [XLSX CSV 批量转换器](https://elysiatools.com/zh/tools/xlsx-csv-batch-converter): 批量 CSV/TSV 与 XLSX 互转，支持编码与分隔符处理，减少乱码
- [CSV 生成 JSON-LD](https://elysiatools.com/zh/tools/json-ld-generator-from-csv): 把 CSV 或 Excel 行数据转换为适用于 Article、Product、Event 的 Schema.org JSON-LD，方便 SEO 团队直接验证
- [GraphML / GEXF / 边列表网络转换器](https://elysiatools.com/zh/tools/graphml-gexf-edge-list-network-converter): 在 GraphML、GEXF、DOT、邻接矩阵和边列表 CSV 间转换，并预览网络指标
- [时间序列异常检测器](https://elysiatools.com/zh/tools/time-series-anomaly-detector): 上传 CSV 或 JSON 时间序列数据，基于 Z-Score 和 IQR 检测异常点，并输出带图表的报告
- [CSV / Excel 差异比对工具](https://elysiatools.com/zh/tools/csv-excel-diff-tool): 比较两个 CSV 或 XLSX 数据源，导出包含行级、列级和单元格差异的 PDF 报告
- [Excel转CSV转换器](https://elysiatools.com/zh/tools/excel-to-csv): 将Excel文件转换为CSV格式，提取第一个工作表的数据
- [XLSX 工作表转 CSV 打包](https://elysiatools.com/zh/tools/xlsx-sheet-to-csv-pack): 将每个工作表导出为独立 CSV，并附带 manifest（列名/行数/编码）

## 示例

- [Windows 字符串处理 - C# 示例](https://elysiatools.com/zh/samples/windows-string-processing-csharp): Windows平台C#字符串处理示例，包括字符串操作、分割、连接、正则表达式和文本分析
- [Nginx 日志解析示例](https://elysiatools.com/zh/samples/nginx-log-samples): 用于测试 log-parser 工具的综合 Nginx 日志样本，包括访问日志和错误日志的各种格式和场景
- [Splunk 日志分析示例](https://elysiatools.com/zh/samples/splunk-samples): 全面的 Splunk 配置和查询示例，用于日志分析、监控和运营智能
- [Android Java 序列化示例](https://elysiatools.com/zh/samples/android-serialization-java): Android Java 序列化示例，包括JSON序列化、反序列化和XML解析