2nd/10_Wiki/Topics/AI_and_ML/Olympic-Training-Protocols.md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, verification_status, tags, raw_sources, last_reinforced, github_commit, tech_stack

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	verification_status	tags	raw_sources	last_reinforced	github_commit	tech_stack
wiki-2026-0508-olympic-training-protocols	Olympic Training Protocols	10_Wiki/Topics	verified	self	Elite Athlete Training Periodization Olympic Periodization	none	A	0.85	applied	sports-science training periodization polarized recovery wearables		2026-05-10	pending	language framework Python pandas

한 줄

엘리트 선수의 4년 사이클을 매크로/메조/마이크로 주기로 분할하고, 폴라라이즈드 강도 분포 + 회복 모니터링 + 웨어러블 데이터로 적응을 최적화한다.

핵심

• Periodization:
  • Macrocycle (4년/1년) — Olympic peak 목표.
  • Mesocycle (3-6주) — 일반 준비/전문 준비/시합/이행.
  • Microcycle (1주) — 일별 강도/볼륨 분배.
  • Block periodization (Issurin) — 한 능력 집중 후 전이.
• 강도 분포:
  • Polarized (80/20): 80% Z1 (저강도), 20% Z3 (고강도). 지구력 종목 표준.
  • Pyramidal: Z1 > Z2 > Z3.
  • Threshold: Z2 비중 큼 (단축 시즌).
• 회복: HRV, sRPE, sleep, CK/cortisol, RESTQ-Sport 설문.
• 웨어러블 (2026): WHOOP, Garmin HRM-Pro Plus, Polar Vantage V3, Catapult GPS, Oura Ring.
• Tapering: 시합 2-3주 전 볼륨 41-60% 감소, 강도 유지.

💻 패턴

# 1) ACWR (Acute:Chronic Workload Ratio) — 부상 위험 지표
import pandas as pd

def acwr(loads: pd.Series):
    """loads: 일별 sRPE*duration"""
    acute = loads.rolling(7).mean()
    chronic = loads.rolling(28).mean()
    return acute / chronic  # 0.8-1.3 sweet spot, >1.5 위험

# 2) HRV 기반 daily readiness
import numpy as np
def readiness(rmssd_today, rmssd_baseline_7d):
    z = (np.log(rmssd_today) - np.log(rmssd_baseline_7d).mean()) \
        / (np.log(rmssd_baseline_7d).std() + 1e-6)
    if z >= 0.5: return "go_hard"
    if z >= -0.5: return "normal"
    if z >= -1.0: return "easy"
    return "rest"

# 3) Polarized 강도 분포 검증
def intensity_distribution(zone_minutes):
    total = sum(zone_minutes.values())
    return {k: round(100 * v / total, 1) for k, v in zone_minutes.items()}
# 목표: {Z1: 75-80, Z2: 5-10, Z3: 15-20}

# 4) Banister fitness-fatigue 모델
import numpy as np
def banister(loads, k1=1.0, k2=2.0, tau1=42, tau2=7):
    fitness = np.zeros(len(loads)); fatigue = np.zeros(len(loads))
    for i in range(1, len(loads)):
        fitness[i] = fitness[i-1] * np.exp(-1/tau1) + loads[i]
        fatigue[i] = fatigue[i-1] * np.exp(-1/tau2) + loads[i]
    performance = k1 * fitness - k2 * fatigue
    return performance, fitness, fatigue

# 5) Tapering 스케줄 생성 (지수 감소)
def taper_volume(base_min, n_days=14, reduction=0.5):
    import numpy as np
    decay = np.linspace(0, np.log(reduction), n_days)
    return [round(base_min * np.exp(d)) for d in decay]

# 6) Catapult GPS 외부 부하 요약 (player load)
def player_load(ax, ay, az, hz=10):
    import numpy as np
    a = np.stack([ax, ay, az])
    diff = np.diff(a, axis=1)
    return np.sqrt((diff ** 2).sum(0)).sum() / (hz * 1.0)

# 7) sRPE 기반 weekly load 시각화
import matplotlib.pyplot as plt
def plot_load(df):
    df["load"] = df["rpe"] * df["duration_min"]
    df.groupby("week")["load"].sum().plot(kind="bar")
    plt.axhline(y=df["load"].rolling(7).mean().mean(), color="red", ls="--")

결정 기준

종목	강도 분포
마라톤/사이클/노 (지구력)	Polarized 80/20
800-3000m (혼합)	Pyramidal
단거리/역도 (파워)	Block (max strength → power → speed)
팀스포츠 시즌	Conjugate / undulating

부하 신호	액션
ACWR > 1.5	부하 감소, 회복일 추가
HRV z < -1 (3일 연속)	rest day
sRPE 주합 > 평균+2σ	다음 주 deload

🔗 Graph

• 인접: HRV

🤖 LLM 활용

• 일별 readiness + 캘린더 기반 자동 워크아웃 조정.
• 코치 노트에서 부상 신호 추출.
• ACWR/HRV 트렌드 → 자연어 주간 리포트.

❌ 안티패턴

• 시합 직전 신규 자극 도입 (over-reach).
• HRV 단일 측정으로 결정 (7-28일 baseline 필요).
• Polarized 80/20을 모든 종목에 일괄 적용.
• ACWR만 보고 절대 부하 무시.

🧪 검증

• 시즌 PB 갱신율, 상대 PB.
• 부상 발생률 (per 1000 hours).
• VO2max, lactate 곡선 시계열.

🕓 Changelog

• 2026-05-08 Phase 1 자동 생성
• 2026-05-10 Manual cleanup — house style 적용