匿名
2026年5月18日
95 次觀看
週期化要回答的問題
週期化(periodization)的本質是:如何在一年中安排訓練的量、強度與專項性,讓你在『想要的時間點』達到表現高峰,並管理疲勞與避免過度訓練。不同模型適合不同的賽季結構(一年一個大目標 vs 多個分散目標 vs 整季都要競技),選錯模型常導致「練很多卻沒在比賽日達峰」。
主要模型對照
| 模型 | 結構 | 適用情境 | 主要限制 |
|---|---|---|---|
| 傳統線性 | 大量低強度起步→逐步增強度、減量,單一高峰 | 一年 1 個明確大目標(如年度馬拉松) | 高峰窄;先前建立的高強度適應在基礎期可能流失 |
| 反向線性 | 先高強度→後轉長量/專項 | 強調速度/閾值耐力的特定項目 | 同樣高峰集中 |
| 區塊化(block) | 聚焦少數能力的高度集中區塊輪替,各區塊累積後超量恢復 | 進階/菁英、需多次高峰或維持多能力 | 設計與監控要求高;區塊間銜接需精算 |
| 扁平化(flat/維持型) | 全年同時維持多項能力,刺激分散、起伏小 | 賽季很長、頻繁比賽、需長期穩定競技狀態 | 難達極端單一高峰;依賴良好負荷管理 |
| 雙/多週期化 | 一年安排 2(或多)個高峰,各自有迷你準備期 | 一年有 2 個主要目標(如春秋兩場大賽) | 每個高峰的累積期較短,峰值可能略低於單週期 |
怎麼選:由賽季目標反推
- 一年一個大目標:傳統/區塊單週期,把高峰精準對到那場,賽前 taper(見 taper 一文)。
- 一年兩個主要目標(春＋秋):雙週期化——接受每個高峰的準備期較短、峰值可能略低於孤注一擲的單週期,換取兩次有競爭力的狀態。關鍵是兩峰之間安排恢復與再建立的迷你週期,避免第二峰時已累積過度疲勞。
- 整季頻繁比賽(如公路賽季、繞圈賽季):扁平化/維持型——不追求單一極端高峰,而是全年維持多能力於高檔、用小起伏與賽間恢復管理,讓多場比賽都「夠好」。重點是負荷管理與避免賽季中過度訓練(見過度訓練、ACWR 諸文)。
- 進階且需多次高峰:區塊化——以集中刺激＋超量恢復輪替,在賽季關鍵點製造多個次高峰。
共通原則(任何模型都成立)
- 漸進超負荷＋規律減量:任何模型都需漸進加量並週期性減量讓適應浮現(見減量週一文);差別只在如何排列與聚焦。
- 保留多能力的維持劑量:單週期的風險是基礎期流失先前高強度適應、賽季中流失基礎;用「少量保留強度/基礎」的維持劑量止血(與去訓練一文同源)。
- 扁平化≠沒有週期:它仍有微觀起伏與賽間調整,只是宏觀振幅小;誤解為「整年一成不變」會導致單調度過高與停滯(見 sRPE 一文)。
- 個體化與監控:模型是框架,實際靠 HRV/sRPE/表現/主觀的回饋持續微調(見 HRV、PMC 諸文),不是把模板照抄到底。
常見錯誤
- 賽季有多個目標卻用單週期→只有一場達峰,其餘狀態落差大。
- 整季要競技卻死守線性→賽季中段疲勞累積或基礎流失,後段崩。
- 迷信某一「最佳模型」——沒有最佳,只有「最匹配你賽季結構與恢復力」的模型。
週期化不是哲學流派之爭,是回答一個現實問題:你今年想在『哪幾天』達到最好?一個大目標就單週期孤注一擲,兩個就接受各退一步的雙週期,整季要競技就用扁平化守住多能力——先看你的賽程,再選模型,不是反過來。