計算機
Riegel
萬用的選擇。在預測相近距離時最為準確。 — 例如 10K → 半馬
Cameron
當距離差異很大時較佳。會針對短距離賽事的配速進行調整。 — 例如 1 英里 → 馬拉松
賽事預測公式的運作原理
預測比賽表現既是科學也是藝術。我們的賽事預測器採用運動生理學中最受推崇的兩個數學模型 — Riegel 與 Cameron — 依據您近期的成績來估算可能的完賽時間。
Riegel 公式（T2 = T1 × (D2/D1)^1.06）假設當距離拉長時，您的有氧能力維持相對穩定。它是預測 5K 到馬拉松之間距離的黃金標準。
Cameron 公式引入了距離修正係數。Dave Cameron 分析了數千筆比賽結果，發現有些跑者在距離增加時「掉速」的幅度比其他人更大。對於從很短的距離（例如 1 英里）換算到馬拉松的跑者，這個模型通常更準確。
兩個公式都假設您是在正常條件下的平坦公路賽道上盡全力完成。它們並未考慮高溫、海拔或高訓練量累積的疲勞。請把預測結果當作實際的目標，再依您下一場比賽的具體條件加以調整。
運作原理
為什麼我的預測馬拉松成績比實際個人最佳快這麼多？
公式假設您已完成該目標距離所需的專項訓練。20 分鐘的 5K 可以預測出 3 小時 10 分以內的馬拉松，但前提是您已經建立必要的耐力基礎與足夠的跑量。
我該用 Riegel 還是 Cameron 來預測？
當預測的兩個距離有氧需求相近時（10K → 半程馬拉松、半程 → 全程馬拉松），請使用 Riegel。若要從短距離（5K 或 1 英里）推估到長很多的距離，請使用 Cameron，因為 Cameron 考慮了短距離項目中速度所占的比重較大。
賽事預測公式有多準確？
對訓練有素的跑者、在相鄰距離之間預測時（10K → 半程、半程 → 全程），誤差通常在 2–5% 以內。已知距離與目標距離的差距越大，準確度越低。高溫、坡度與疲勞等環境因素並未納入模型 — 請把預測結果視為起點，而非保證。