扁平化与双周期化:一年该几个高峰,模型怎么选

周期化要回答的问题

周期化(periodization)的本质是:如何在一年中安排训练的量、强度与专项性,让你在『想要的时间点』达到表现高峰,并管理疲劳与避免过度训练。不同模型适合不同的赛季结构(一年一个大目标 vs 多个分散目标 vs 整季都要竞技),选错模型常导致「练很多却没在比赛日达峰」。

主要模型对照

模型	结构	适用情境	主要限制
传统线性	大量低强度起步→逐步增强度、减量,单一高峰	一年 1 个明确大目标(如年度马拉松)	高峰窄;先前创建的高强度适应在基础期可能流失
反向线性	先高强度→后转长量/专项	强调速度/阈值耐力的特定项目	同样高峰集中
区块化(block)	聚焦少数能力的高度集中区块轮替,各区块累积后超量恢复	高端/菁英、需多次高峰或维持多能力	设计与监控要求高;区块间衔接需精算
扁平化(flat/维持型)	全年同时维持多项能力,刺激分散、起伏小	赛季很长、频繁比赛、需长期稳定竞技状态	难达极端单一高峰;依赖良好负荷管理
双/多周期化	一年安排 2(或多)个高峰,各自有迷你准备期	一年有 2 个主要目标(如春秋两场大赛)	每个高峰的累积期较短,峰值可能略低於单周期

怎么选:由赛季目标反推

• 一年一个大目标:传统/区块单周期,把高峰精准对到那场,赛前 taper(见 taper 一文)。
• 一年两个主要目标(春＋秋):双周期化——接受每个高峰的准备期较短、峰值可能略低于孤注一掷的单周期,换取两次有竞争力的状态。关键是两峰之间安排恢复与再创建的迷你周期,避免第二峰时已累积过度疲劳。
• 整季频繁比赛(如公路赛季、绕圈赛季):扁平化/维持型——不追求单一极端高峰,而是全年维持多能力于高档、用小起伏与赛间恢复管理,让多场比赛都「够好」。重点是负荷管理与避免赛季中过度训练(见过度训练、ACWR 诸文)。
• 高端且需多次高峰:区块化——以集中刺激＋超量恢复轮替,在赛季关键点制造多个次高峰。

共通原则(任何模型都成立)

• 渐进超负荷＋规律减量:任何模型都需渐进加量并周期性减量让适应浮现(见减量周一文);差别只在如何排列与聚焦。
• 保留多能力的维持剂量:单周期的风险是基础期流失先前高强度适应、赛季中流失基础;用「少量保留强度/基础」的维持剂量止血(与去训练一文同源)。
• 扁平化≠没有周期:它仍有微观起伏与赛间调整,只是宏观振幅小;误解为「整年一成不变」会导致单调度过高与停滞(见 sRPE 一文)。
• 个体化与监控:模型是框架,实际靠 HRV/sRPE/表现/主观的回馈持续微调(见 HRV、PMC 诸文),不是把模板照抄到底。

常见错误

• 赛季有多个目标却用单周期→只有一场达峰,其余状态落差大。
• 整季要竞技却死守线性→赛季中段疲劳累积或基础流失,后段崩。
• 迷信某一「最佳模型」——没有最佳,只有「最匹配你赛季结构与恢复力」的模型。

周期化不是哲学流派之争,是回答一个现实问题:你今年想在『哪几天』达到最好?一个大目标就单周期孤注一掷,两个就接受各退一步的双周期,整季要竞技就用扁平化守住多能力——先看你的赛程,再选模型,不是反过来。

相关主题阅读

• 周期化训练：线性 vs 轮训 vs 区块化的优劣比较与选用建议
• 周期化训练模型大比拼：线性、区块与极化训练法
• 跑量周期化：基础期、强化期、巅峰期与恢复期的堆栈
• 冲刺选手的周期化训练：速度与耐力的季节分配