推文較難澄清，因此補充如下：
※ 引述《yr (Sooner Born Sooner Bred)》之銘言：
: 標題: Re: [心得] Stryd使用心得分享
: 時間: Tue Feb 28 11:38:52 2023
:
: ※ 引述《MuMuH (MuMuH)》之銘言：
: : ‧ Stryd 功率曲線（Power Duration Curve）
: : （這是一個功率曲線）
: : https://i.imgur.com/9GYzAMJ.png
:
: 嚴格來說這叫做 MMP 曲線 Mean Maximum Power curve ，
: 那條模型才是 PDC 。
:
:
: : （一次失敗的鍛鍊）
: : https://i.imgur.com/N2njQNP.png
: :
: : 上圖紫色部份以功率曲線的角度來說是一次失敗的workout，因為它在整體功率曲線之
: : 下，對於功率曲線沒有任何的實質貢獻，因此會整個被丟棄。
:
: 這邊觀念完全錯誤，我們一般訓練並不會達到 MMP 的強度，會達到 MMP 的
: 強度是在比賽跟測驗的時候，一般功率課表建議 4-6 週會根據不同區段的功
: 率測驗，以維持 PDC 的準確度。以 Stryd 來說，建議 1. 全力長跑 40-60
: 分鐘（譬如 10K 計時） 2. 中距離全開 10-20 分鐘（譬如 5K 計時）
: 3. 短距離全速 3-5 分鐘 4. 短距離短跑 10-30 秒。以我個人看的討論，
: 2 3 4 比 1 重要，因為你在準備半馬或全馬期間，來一個 10K 計時賽，對
: 身體負荷太大，會影響下個週期的訓練。
這邊是你對我內文理解有誤。我稱「以功率曲線的角度來說」，指的是算法，指的是這
次鍛鍊的結果進入算法與當前的PDC比較，其結果確實是被丟棄無誤，亦即這次的鍛鍊無
法讓功率曲線被更新。當初下筆有特別斟酌這段，才會用「以功率曲線的角度來說」。
以訓練者而言，也許每次鍛鍊都有目的沒錯，也許一般訓練不會到達MMP的強度也沒錯，
但不管他何時想碰MMP，都不應該在這個時候與算法被混為一談，算法是底層的實做，
算法不用知道你何時想碰MMP，更不管你「一般訓練會不會達到MMP的強度」，我在這邊談
的並不是訓練，而是它實際的運作模式就是如此。
:
: 可參考
: https://support.stryd.com/hc/en-us/articles/360039261314-Critical-Power
:
:
: : 因此功率曲線會讓我們知道目前的努力程度，而且目標將十分確定：只有更新功率曲線
: : 將它不斷往上拉且向右延伸，整體成績才會進步。
:
: PDC 更新時，是在比賽或測驗，而不是在練習，以四周小週期為例，前三週練習
: ，第四週減量跟測驗， PDC 跟 CP 就是在這一週的測驗後上升的（如果有進步）
: 往右 Stryd 模型最多就用到 90 分鐘，超過的不會拿來計算你的 CP 。一般如果
: 照表操課，不太需要擔心右邊的曲線。
:
:
: : ‧ Stryd的功率模型：
: : （將Modeled Ability打開就可以看到白色的模型曲線）
: : https://i.imgur.com/7EWnCh4.png
:
:
: 你這個功率曲線不是很好，理想的模型曲線會跟 2m-5m ，10m-20m （或稍微延伸
: 到 5K 時間）這兩個區段的上緣有相交（40m 左右有的話當然更好，不過不強求）
請注意我內文並沒有說這功率曲線很好，或是它是一個理想的模型。實際上我只認為它
是一個好例子因此放在此讓跑友知道我打開「Modeled Ability」可以發現自己訓練上的
問題。
:
: :
: : 模型曲線是根據功率曲線的趨勢所建立，與功率曲線一起看你可以發現：
: :
: : 兩條曲線間隙較小的部份，代表我已經接近了模型的理論上限，代表我的努力程度目前
: : 已經足夠。兩條曲線間隙較大的部份，代表我仍有努力的空間。因此我可以知道我應該
: : 優先加強10s~1m以及1m~5m的這兩個部份，接著再將5m~1h改進才有可能再更進一步將功
: : 率曲線往上拉昇。
:
: 這解讀不太對，如上所述，理想模型曲線會在幾個區段跟你的 MMP 會相交，有間隙
: 表示你的訓練數據（其實該說是測驗與比賽數據）無法建立一個有效的模型。用白話
: 說就是你的 CP 不是很準確，也會連帶比賽預測不準確。
內文的第一張圖有說過這條曲線5m~1hr是去年台北馬創下，亦即這是今年的曲線，這不是
我比賽時的CP，也不是我預測賽事的CP。其它下面說明。
:
: : ‧ Stryd的臨界功率（CP）
: : CP指的是你在沒有出現疲勞的狀態下所能輸出的最高功率，代表你在一場賽事可以持
: : 續多久而不掉功率。有了CP就可以進行功率課表以及可以預估你的成績。除以你的體
: : 重就有了基準可以跟它人比較。
:
: 有準確的 CP 才能有效預估成績。
無法同意更多。這當然。
:
: : ‧ 2022 Stryd 預估成績與實際晶片成績（需訂閱）：
: : 載入目標賽事的GPX後，Stryd會計算賽事海拔高度，並且要求你輸入平常訓練時的海
: : 拔高度相互比較，這適用於高地訓練，例如：
: : 若是訓練時在海拔2000m，賽事在海拔21m，以21.1km計算會快6分15秒。
: : 另外也會要求輸入賽事以及訓練時的溫度還有濕度，例如：
: : 若是訓練時溫度為22度，賽事時9度如同台北馬，以21.1km計算會快1分25秒。
:
: 這預估成績工具很好用，但是前提是 CP 需準確才能準確預估你的實力。
我注意到我的前提被你刪除，我先補上我的前提：
「天候以及GPX皆填寫正確，功率曲線維持30天最新的版本的情況之下：」
:
: : 10/15 新竹馬 估 1:57:35+-3min 實 1:56:09
: : 10/23 長榮馬 估 1:32:36+-2min 實 1:31:27
: : 10/29 遠東馬 估 1:36:41+-2min 實 1:43:10
: : 11/13 田中馬 估 1:34:29+-3min 實 1:40:44
: : 12/18 台北馬 估 1:29:54+-2min 時 1:27:01
: :
: : 預估成績準確度令我驚豔。
:
: 你 CP 不準確，照著他給你的功率跑，只要沒爆掉大概就是他給你的完賽時間，
: 所以不是很值得驚艷啦！你覺得你 10/15 到 12/18 的練習可以讓你的半馬進步
: 30 分鐘左右嗎？應該沒這麼神奇的事，你的 CP 應該被低估了，台北馬比較接近
: 你的實力，你可以用台北馬的數據單點估計你的 CP 會比較準確。
這邊也完全錯誤，新竹馬是26km，不是21km，因此新竹馬之後快三十分以上是理所當然
的。
新竹馬26km，長榮馬21.1km，遠東馬22.7km，田中馬22.6km，台北馬21.1km。為了避免
錯誤的假設影響判斷，關於比賽時CP準不準確的問題，請注意我文中有特別提到，我的
測試條件前提為「功率曲線維持30天最新的版本情況下」的測試結果，這亦即由10/15~
12/18中間每場賽事前夕都特別注意我的CP是不是up-to-date，兩場相隔較久的賽事也
做了CP test 或者 calibration 來源為 Styrd workout library。也是因為如此我才敢
下筆寫出賽事預估成績以及結果。
而教練你認為有問題的圖，懷疑有問題的CP，實際上是我最新的圖，它或許不是理想的
曲線，也正因為如此我才刻意把它搬上檯面讓人發掘問題。今年礙於種種原因我的曲線
已經與去年底有很大差異。
若是你要看一個比較合理的圖，那就是去年台北馬前我做完CP test 後的結果，曲線實
際上與model curve有多點交疊，但礙於Stryd的限制我無法調出比對，但使用GC可以，
如下：
https://i.imgur.com/mBqd388.png
請注意10分之後兩線幾乎交疊。交疊段Goldencheetah告訴我以Pace 4:07我可以跑完全程
，這正也是我台北馬的成績。1:27:01 , pace 4:07。而兩段空隙較大的段落，的確是我
先前以心率區間為主的訓練恰好沒練到的部份。
實際上我的CP準或是不準或是誰的curve比較好或是不好，又或者是誰的曲線比較理想都並
不是我想在文中所討論的。
:
: : 在遠東馬Stryd要求維持98% CP在234w，實際成績為：
: :
: : 前半程皆上坡輸出功率為231w，Pace 5:11/km
: : 後半程下坡僅有能力維持219W, Pace 4:11/km
:
: 一般前半要保留一點，尤其是去程上坡回程下坡，一開始就 98% 策略不是很好。
請你注意內文的「在遠東馬Stryd要求維持98%」。為了測試Stryd，我刻意使用Stryd
的建議，根據載入的GPX以及當日天氣以及濕度，Stryd建議 98% CP，這並非我的策略。
以上，大概是這樣
Cheers!