基于物理学的数字孪生技术在越野跑比赛成绩预测中的应用：概念验证研究

《Sensors》：A Physics-Based Digital Twin for Trail Running Race Performance Prediction: A Proof-of-Concept Study

　　

摘要

徒步越野跑由于地形陡峭且不规则，对生物力学的要求变化很大，这使得基于平坦路面的配速模型不再适用。我们提出了一个基于物理的数字孪生模型，该模型结合了地形适应性坡度调整配速（GAP）模型和个体化生理校准，以预测不同类型徒步越野比赛的完成时间。GAP核心部分应用了Minetti的五阶代谢成本多项式，来模拟徒步越野比赛中遇到的各种上坡和下坡坡度下的能量消耗。分段配速还通过海拔-最大摄氧量（VO₂max）校正、基于Banister TRIMP的疲劳因素以及渐进式配速衰减因子进行进一步调整。赛道海拔数据通过五步标准化流程从1赫兹的气压高度计中提取。各个参数（可持续最大摄氧量分数α；配速衰减斜率μ）通过网格搜索针对13次比赛数据进行校准。在四个模型复杂度阶段进行的顺序验证显示，R²值从0.763增加到0.905。留一法交叉验证（n = 13）的结果为R² = 0.864，平均绝对误差（MAE）为18.2分钟，平均百分比误差（MAPE）为11.1%，并且存在轻微的正偏差（+2.0分钟）。该框架证明了将生物力学地形校正与个体化生理校准相结合，可以显著提高徒步越野比赛的完成时间预测精度，为运动员特定的赛前模拟提供了有前景的基础。