免费工具
预测您的 5 公里、10 公里、半程和马拉松时间。
根据最近的一场比赛结果预测任意距离的比赛结束时间。 The Riegel formula projects 5K to 10K, 10K to half marathon, half to full marathon, and any custom distance you enter - assuming you train for it.免费、无需注册、在浏览器中运行，数学方法与精英教练自 1981 年以来使用的方法相同。
10 km 47:30变为马拉松 3:39
免费 · 无需注册 · 文件保留在你的设备上
你的已知比赛成绩
小时
分钟
秒
比赛时间预测
| 距离 | 时间 | 配速 /公里 | 配速 /英里 |
|---|---|---|---|
| 5K | 22:00 | 4:24 | 7:05 |
| 10K | 45:52 | 4:35 | 7:23 |
| 半程马拉松 | 1:41:12 | 4:48 | 7:43 |
| 马拉松 | 3:31:00 | 5:00 | 8:03 |
自定义距离
时间
1:10:30
配速 /公里
4:42
配速 /英里
7:34
原理说明
- 1
选择一次最近的比赛
使用最近4-6周内、在平坦且条件适中的赛道上跑出的5公里、10公里或半马成绩。
- 2
输入成绩
距离以公里或英里计,完成时间以时/分/秒计。
- 3
查看预测结果
基于 Riegel 公式预测 5K、10K、半马、全马以及自定义距离的成绩。
- 4
转化为训练计划
预测的比赛配速就是你的目标，据此安排节奏跑和乳酸门槛训练。
计算方法
Riegel公式用一个固定指数来按距离换算时间：
T₁和D₁是你已知的比赛时间和距离，T₂是在距离D₂下的预测时间。1.06这个指数反映了掉速规律——如果正好是1.0，距离翻倍时间也会正好翻倍（这是不可能维持的）。
实例：5 公里 22:00 → 半马拉松
D₁ = 5000米。T₁ = 1320秒。D₂ = 21097.5米。T₂ = 1320 × (21097.5 ÷ 5000)^1.06 = 1320 × 4.219^1.06 ≈ 1320 × 4.598 ≈ 6,069秒 ≈ 1:41:09。也就是说,22:00跑完5K的跑者,只要经过针对性训练,完全有能力在半马中跑进1:42。
实例：10 公里 40:00 → 马拉松
D₁ = 10000米。T₁ = 2400秒。D₂ = 42195米。T₂ = 2400 × (42195 ÷ 10000)^1.06 = 2400 × 4.62 ≈ 11,090秒 ≈ 3:04:50。40分钟的10K成绩预测出的全马成绩可以跑进3:05以内——前提是跑者能坚持训练节奏并打好长距离基础。
超马适用的Cameron公式
Cameron(1998)公式使用可变指数,能更平滑地体现超过全马距离后的掉速情况,更适合50K及以上的距离。我们这里用Riegel公式,因为5K到全马是最常见的情况;要预测超马成绩,可手动套用Cameron公式,或者参考与你短距离体能水平相当的资深超马跑者实际跑出的分段成绩。
为什么公式的限制很重要
当两场比赛依赖同一主要能量系统时，Riegel 公式效果最好。用马拉松成绩预测 800 米成绩毫无意义——它们是完全不同的生理项目。最佳适用范围是训练有素的跑者的 5K 到半马之间。
如何将其用于训练
- 用具体的数字设定比赛目标。 "半马破1:40"这样的目标需要精确到4:44/公里的配速。预测器能把模糊的体能状态转化为具体配速。
- 校准每周节奏跑和乳酸门槛训练。 节奏跑配速大约比半马配速慢每公里15-20秒。乳酸门槛(LT)配速大致等同于10K比赛配速。有了预测的半马配速,这两个目标也就一并确定了。
- 发现训练短板。 如果你预测的全马成绩是3:30，但你最长一次跑只有22公里，你的基础跑量撑不起这个预测。要专门针对这个距离训练。
- 用它来筛选计时赛项目。 如果预测显示你的半马成绩很有竞争力，但全马成绩不行，那就先多跑半马，直到耐力提升。
- 每次关键计时赛后重新计算一次。 一次小小的 5K 个人最好成绩也是信息。重新预测你的马拉松成绩，并重新设定训练配速目标。
常见误区与错误认知
用"体能基准"代替全力测试
以 90% 强度跑的 5 公里,不等于 5 公里比赛成绩。预测工具假定输入的是全力成绩,输入有误,结果也会有误。
没有足够长距离跑基础就相信全马预测
出色的 10 公里成绩只有在你的每周跑量和长距离训练支撑得起的情况下,才能预测出出色的马拉松成绩。如果训练中没有 30 公里以上的长距离跑,马拉松预测结果会有 5-15 分钟的误差。
使用旧的个人最佳成绩
两年前的比赛成绩反映的是两年前的你。请使用最近六周内的成绩来获得准确的预测。
忽略赛道坡度
Riegel 公式假设赛道是平坦的。爬坡较多的目标赛道会更慢，净下坡的赛道会更快。请手动调整——通常每 100 米爬升调整 2-3%。
把预测结果当成了保证
比赛当天的天气、肠胃不适、配速失误，以及训练骑行中补给不足，都会影响预测结果与实际成绩之间的差距。这个数字是可以达到的，但不是必然的。
根据短距离冲刺预测
出色的 1 英里成绩并不能可靠地预测半马成绩。该指数假设两项赛事都是有氧项目,所以请使用 5 公里及以上距离的成绩作为输入。
相关工具
常见问题
什么是 Riegel 公式？
Pete Riegel 于 1977 年发表了这个公式，它是对比赛成绩数据的统计拟合。该公式指出，距离翻倍时，用时会略多于翻倍，用一个固定的 1.06 指数来表示。它是教练和各平台普遍使用的标准比赛预测方法。
为什么指数是 1.06？
经验表明，在 Riegel 最初分析的数千场比赛结果中，1.06 产生的残差误差最小。这个指数代表配速随距离增加而变慢的速率——越接近 1.0，配速下降越平缓；越接近 1.10，下降越陡。
用 5 公里成绩通过 Riegel 公式预测马拉松成绩,准确度如何?
对于有训练基础的跑者来说效果出人意料地好——通常误差在 5-10% 以内——但对于还没有建立专项耐力的跑者,它总是会高估马拉松成绩。如果没有足够的长距离训练基础,5 公里跑得快并不能自动换来马拉松的好成绩。
Riegel公式适用于超长距离吗？
超出全马距离后会出现偏差。Cameron公式于1998年发布，用一个可变指数，更适合长距离赛事。超过50公里后，把你的数据代入Cameron公式，或参考和你体能相近、跑过这个距离的跑者的配速数据。
该用5K最好成绩还是最近一次比赛成绩?
用你最近一场比赛的成绩,而不是三年前巅峰状态时跑出的5K最好成绩。那不是你现在的体能水平。用最近六周内的成绩,否则预测反映的是过去的你,而不是现在的你。
为什么我的全马实际成绩比预测慢?
Riegel公式假设各距离的训练针对性相同,但大多数跑者都有所偏重。一个20分钟跑完5K、但训练中从未跑过超过15公里的跑者,不会达到公式预测的3:08全马成绩。这个数字代表潜力,不代表必然结果。
海拔如何影响预测结果?
海平面的比赛成绩不能直接套用到高海拔赛事上。海拔1500米以上,每升高1000米大致要减去1-2%才算公平比较。公式并不知道你比赛场地的海拔。
Riegel公式适用于自行车计时赛吗?
它在方向上能用,但误差范围要大得多。骑行的空气动力学和配速规律与跑步不同。预测计时赛成绩时,应使用基于FTP的模型,而不是基于配速的外推。
可以用于下坡或净海拔下降的比赛吗?
不行。Riegel 公式假设平坦、无风的中性条件。像波士顿马拉松或 Tunnel Vision 这样净下坡的赛道,成绩会比公式预测的更快;净上坡赛道则会更慢。
Riegel 与 VDOT 有什么关系？
VDOT 由 Jack Daniels 提出，它把比赛成绩映射为一个单一的体能数值，用来预测不同距离下的表现。其底层假设——一次比赛成绩可以推算出适用于其他场景的体能水平——与 Riegel 相同。Riegel 更简单；VDOT 则更直接地基于生理学数据校准。