Kuntoilijan juoksumalli



Samankaltaiset tiedostot
FYSA220/2 (FYS222/2) VALON POLARISAATIO

Sähköstaattinen energia

Jaksolliset ja toistuvat suoritukset

Esitä koherentin QAM-ilmaisimen lohkokaavio, ja osoita matemaattisesti, että ilmaisimen lähdöstä saadaan kantataajuiset I- ja Q-signaalit ulos.

Jaetut resurssit. Tosiaikajärjestelmät Luento 5: Resurssien hallinta ja prioriteetit. Mitä voi mennä pieleen? Resurssikilpailu ja estyminen

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

Painotetun metriikan ja NBI menetelmä

COULOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT

4. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

Kuluttajahintojen muutokset

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä.

3 Tilayhtälöiden numeerinen integrointi

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut

3.5 Generoivat funktiot ja momentit

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

Tchebycheff-menetelmä ja STEM

Hallin ilmiö. Laatija - Pasi Vähämartti. Vuosikurssi - IST4SE. Tekopäivä Palautuspäivä

Epälineaaristen pienimmän neliösumman tehtävien ratkaiseminen numeerisilla optimointimenetelmillä (valmiin työn esittely)

Puupintaisen sandwichkattoelementin. lujuuslaskelmat. Sisältö:

3. Datan käsittely lyhyt katsaus

AquaPro Bedienungsanleitung Operating instructions Gebruiksaanwijzing Käyttöohje FIN Rev.0607

5. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

. g = 0,42g. Moolimassat ovat vastaavasti N 2 :lle 28, 02g/ mol ja typpiatomille puolet tästä 14, 01g/ mol.

Luento 6 Luotettavuus Koherentit järjestelmät

Mittausepävarmuus. Mittaustekniikan perusteet / luento 7. Mittausepävarmuus. Mittausepävarmuuden laskeminen. Epävarmuuslaskelma vai virhearvio?

Tarkastellaan kuvan 8.1 (a) lineaarista nelitahoista elementtiä, jonka solmut sijaitsevat elementin kärkipisteissä ja niiden koordinaatit ovat ( xi

Kanoniset muunnokset

Mittausvirhe. Mittaustekniikan perusteet / luento 6. Mittausvirhe. Mittausepävarmuus ja siihen liittyvää terminologiaa

Monte Carlo -menetelmä

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

Mekaniikan jatkokurssi Fys102

Työssä tutustutaan harmonisen mekaanisen värähdysliikkeen ominaisuuksiin seuraavissa

Tilastollisen fysiikan luennot

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2

Mittaustulosten käsittely

Timo Tarvainen PUROSEDIMENTIIANALYYSIEN HAVAINNOLLISTAMINEN GEOSTATISTIIKAN KEINOIN. Outokumpu Oy Atk-osasto

Ilkka Mellin (2008) 1/24

OPTIMAALINEN KILPAJUOKSU

11. Vektorifunktion derivaatta. Ketjusääntö

ER-kaaviot. Ohjelmien analysointi. Tilakaaviot. UML-kaaviot (luokkakaavio) Tietohakemisto. UML-kaaviot (sekvenssikaavio) Kirjasto

6. Stokastiset prosessit (2)

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä

ABTEKNILLINEN KORKEAKOULU

1 0 2 x 1 a. x 1 2x c b 2a c a. Alimmalta riviltä nähdään että yhtälöyhmällä on ratkaisu jos ja vain jos b 3a + c = 0.

KOKONAISRATKAISUT YHDESTÄ PAIKASTA

3D-mallintaminen konvergenttikuvilta

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto

Harjoitukset (KOMPRIMOINTI)

d L q i = V = mc 2 q i 1 γ = = p i. = V = γm q i + QA i. ṗ i + Q A i + Q da i t + j + V + Q φ

Paikkatietotyökalut Suomenlahden merenkulun riskiarvioinnissa

Maanhintojen vikasietoisesta mallintamisesta

Karttaprojektion vaikutus alueittaisten geometristen tunnuslukujen määritykseen: Mikko Hämäläinen 50823V Maa Kartografian erikoistyö

Raja-arvot. Osittaisderivaatat.

Geneettiset algoritmit ja luonnossa tapahtuva mikroevoluutio

Aamukatsaus

Yksikköoperaatiot ja teolliset prosessit

Johdatus tekoälyn taustalla olevaan matematiikkaan

Turingin kone on kuin äärellinen automaatti, jolla on käytössään

Asennus- ja käyttöohjeet. Videoterminaali

Testaa taitosi Piirrä yksikköympyrään kaksi erisuurta kulmaa, joiden a) sini on 0,75 b) kosini on

Mat Lineaarinen ohjelmointi

Paperikoneiden tuotannonohjauksen optimointi ja tuotefokusointi

Reaaliarvoinen funktio f : on differentioituva pisteessä x, jos f:lle on siinä voimassa kehitelmä. h h. eli. Silloin

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

4. A priori menetelmät

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

A250A0100 Finanssi-investoinnit Harjoitukset

Lähtötaso: Et ole harrastanut juoksemista, mutta olet harrastanut liikuntaa muutaman kerran viikossa.

r i m i v i = L i = vakio, (2)

MART testi tulokset ja kuvaus. Ari Nummela Kilpa- ja huippu-urheilun tutkimuskeskus - KIHU Kuntotestauspäivät Jyväskylä

Laskennallisen virtausmekaniikan ja lämmönsiirron perusteet Timo Siikonen

LIITE 2 SUORAN SOVITTAMINEN HAVAINTOPISTEISIIN

Mustan kappaleen säteily

LIGNIININ RAKENNE JA OMINAISUUDET

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot

FDS-OHJELMAN UUSIA OMINAISUUKSIA

JYVÄSKYLÄN YLIOPISTO JULKISEN JA YKSITYISEN SEKTORIN VÄLISET PALKKAEROT SUOMESSA 2000-LUVULLA

OUTOKUMPU OY 0 K MALMINETSINTA. talta.

Painokerroin-, epsilon-rajoitusehtoja hybridimenetelmät

7. Modulit Modulit ja lineaarikuvaukset.

BL20A0600 Sähkönsiirtotekniikka

Sähkökiukaan kivimassan vaikutus saunan energiankulutukseen

TULEVAISUUDEN KILPAILUKYKY VAATII OSAAVAT TEKIJÄNSÄ. Suomen Ammattiin Opiskelevien Liitto - SAKKI ry

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat:

SU/Vakuutusmatemaattinen yksikkö (5)

Sähkön- ja lämmöntuotannon kustannussimulointi ja herkkyysanalyysi

Taustaa. Sekventiaalinen vaikutuskaavio. Päätöspuista ja vaikutuskaavioista. Esimerkki: Reaktoriongelma. Johdantoa sekventiaalikaavioon

Säilörehun korjuuajan vaikutus maitotilan talouteen -lyhyen aikavälin näkökulma

Nopeus, kiihtyvyys ja liikemäärä Vektorit

Sisällysluettelo Laitteen asennus Toiminnot Tekniset tiedot Asetukset Viestikoodit Huolto Takuu Turvallisuusohjeet Toiminnot

b g / / / / H G I K J =. S Fysiikka (ES) Tentti

SU/Vakuutusmatemaattinen yksikkö (6)

LASITETTUJEN PARVEKKEIDEN ÄÄNENERISTÄVYYDEN SUUNNITTELUOHJE

Rak Rakenteiden mekaniikka C, RM C (4 ov) Tentti

Segmentointimenetelmien käyttökelpoisuus

Kansainvälisen konsernin verosuunnittelu ja tuloksenjärjestely

Epätäydelliset sopimukset

Transkriptio:

Rakenteden Mekankka Vol. 42, Nro 2, 2009, s. 61 74 Kuntoljan juoksumall Matt A Ranta ja Lala Hosa Tvstelmä. Urhelututkmuksen melenknnon kohteena ovat yleensä huppu-urheljat. Tuokon yksnkertastettu juoksumall soveltuu kutenkn myös satunnasen kuntoljan tulosten tarkasteluun. Avansanat: juoksumall, energatasapano, pka- ja kestävyysjuoksun raja sekä aerobnen vauht Juoksun mallntamnen Fl.tr Reno Tuokko esttää krjassaan [1] koulufyskkaan perustuvan näppärän malln Juoksun dynamkka. Tuokon mall ssältää kaks fysologsta parametra: k on aerobnen parametr el hengtyslman hapen avulla kehtetty teho ja parametr A ovat hapettomast el anaerobsest kehtetty energan vakoerä. Tuokon krjan [1] jälkeen prof. Keller julkas kaks ansokasta artkkela [2] ja []. Hän käytt lmanvastukselle nopeuteen verrannollsta laka ja lasketut juoksut oletettn suortetun suoralla radalla (lman kaarteta). Kellern optmjuoksun peraatteet: ensn nopea khdytys, stten tasanen matkavauht ja lopussa hdastusvahe el energan loppumnen ovat veläkn ylesest hyväksytyt. TKK:n Mekankan latokselle muotoutunut tutkjaryhmä ([4], [5] ja [6]) ott käyttöön nelöllsen lmanvastuslan sekä mallns myös kaarrejuoksun. Mallt ([2] [6]) ssältävät neljä parametra. Mallen [2] [6] soveltamnen on melko työlästä ja vaat runsaast dataa. Tuokon kaksparametrnen mall tarkastelee peraatteessa van juoksun tasasta keskosuutta, mssä s = vt. Tuokon mall on sks epätarkka juoksun alkuvaheessa. Tutkmuksessa selvtettn, kunka Tuokon mall sop tavallsen kuntoljan satunnasten juoksutulosten tarkasteluun. Tuokon mall Juoksun dynamkka Tuokko esttää krjassaan ([1] s. 9-16) päättelyyn perustuvan johdon tasasen vauhdn energayhtälölle. Samaan kaavaan päädytään, jos lähdetään massaykskköä kohden määrtellystä perusyhtälöstä ([7] s. ja 4). 61

Lkeyhtälö tyynessä lmassa alkuehtoneen on dv ( ), 0 0 2 kv T f v dt + = = Lähteden [4] ja [7] mukaan kokonasvastuskerron muodostuu jalkojen rotaatovastuksesta k R 1 1 0.0464 m ja juoksjan lmanvastuksesta ja k D 0.00m el -1-1 -1 kt = kr + kd 0.0497 m < 0.0680 m. Eteenpän vevä voma on f < f max 8.46 Nkg Energayhtälö alku- ja rajotusehtoneen on de = σ fv, e( 0) e0 e( t) 0 dt -1 Aerobnen kerron on σ 18.05 Wkg ja anaerobsen energavaraston et () alkuehto on e 0 1794.0 Jkg. Elmnomalla voma f saadaan tehoyhtälö ( ) -1 Koska matkavauht on vako v Sevennetään tämä velä muotoon d dt 1 ( ) v + e = σ k v 2 2 T = s t, saadaan tehoyhtälöstä ntegromalla 2 () 0 = σ T σ T et e t ktv t kt s T ( ) σ e e t t + t = s k k 0 2 T Paras loppuaka saadaan, jos kakk anaerobnen energa on käytetty maallnjaa yltettäessä el et () = 0. Kun otetaan käyttöön merknnät k = σ kt ja A= e0 kt, saadaan Tuokon peruskaava ([1] s. 16) 2 kt + At = s (1) Tämän kaavan kertomen dmensot käyvät lm yllä olevasta johdosta. Käytetään laskussa SI-mttajärjestelmää. Sovtus penmmän nelösumman menetelmällä Ajatellaan, että testjuoksussa on saatu joukko aka-matka-pareja ( t, s ) täysn toteuta kaavaa (1) vaan syntyy vrhetä Muodostetaan Gaussn vrhefunkto 2. Nämä evät ε = kt + At s (2) 2 e = ε () 62

Sllä on mnm, kun seuraavat osttasdervaatat hävävät Nämä johtavat yhtälöryhmään ( ) 1 e ε = 2 ε εt = kt + At s t = 0 2 k k ( ) 1 e ε = 2 2 2 ε εt = kt + At s t = 0 2 A A (4) 6 5 + = 0 (5) k t A t s t 5 4 2 + = 0 (6) k t A t s t Merktään yhtälöryhmän kerrondetermnantt sekä determnantt D 6 5 t 5 4 t t D = t 5 st t 1 2 4 st t =, D 6 t st 2 5 2 t st = Yhtälöryhmästä (5) ja (6) seuraa kaavan (1) kertomlle ratkasut (7) (8) k = D1 D, (9) A= D2 D (10) Yhtälöt (5) ja (6) votasn ratkasta myös valmsohjelmlla kuten Mathematan Solveohjelmalla. Teoran tarkastelu Lähteen [1] s. 16 17 mukaan, jos hengtyksen kautta saatu energa kt tulee yhtä suureks kun perusenergan vakoerä A, on saavutettu raja, jossa anaerobnen pkajuoksu ja aerobnen kestävyysjuoksu kohtaavat tosensa. Tämä raja on lähdöstä sekuntena jollon juostu matka s ja rajavauht v ovat t = A k = D D (11) 2 1 s = t k (12) 2 6

v = k 2 (1) Kaavasta (1) seuraa matkan lauseke ajan funktona Vauht ajan funktona, kun t > 0, on Ak = 1+ = 1+ (14) t s t k t k t t s v= = k 1 + t / t (15) t Kun aka kasvaa suureks t, lähestyy vauht (15) aerobsta raja-arvoa v s t k aer = lm = (16) t Tettyä matkaa s vastaava juoksuaka t johtaa kaavasta (14) ratkastuna suhteen τ = tt = s t v, kolmannen asteen polynomn, kun on merktty ( ) aer 2 τ + τ = 0 (17) Sen ratkasu saadaan Cardanon kaavojen avulla. Merktään p = 1 ja q= + 227. Tarkasteltavaan tapaukseen sopva ratkasu on ([8] s. 44 46 kaavat 7 17) 2 2 τ = q 2 + q 4 + p 27 + q 2 q 4 + p 27 1 (18) Jos τ >> 1, saadaan sarjakehtelmän avulla lkkaava Merktään laskettuja akoja T T( s ) =. t s v t (19) aer 1 Sovellutus Tutkmuksen satunnanen kuntourhelja on v. 1942 syntynyt nanen. Hän juoks erptusa matkoja Otanemen urhelukentällä lman varsnasta alkuverryttelyä tselleen sopvantuntusella vauhdlla. Juoksuaka otettn sekuntkellolla ta rannekellolla. Nasten Kympllä juosten ja välllä kävellen saatu 10 km:n aka on lkmääränen. Tulokset ovat taulukossa 1. Nästä tulokssta määrtettn Gaussn penmmän nelösumman menetelmällä vakot k ja A. Näden avulla votn stten määrttää anaerobsen ja aerobsen juoksun raja. Samon votn määrttää ns. aerobnen vauht, jota juoksja pdemmllä matkolla kykenee teorassa ylläptämään. Tuokon teora ja juoksjan omat kokemukset juoksusta sopvat hyvn yhteen. Juoksja on saavuttanut seuraavat tulokset er matkolla ( s, t ) ; matka metrenä ja aka sekuntena. Lsäks on sovtuksen jälkeen laskettu aka T 64

Taulukko 1. Juostut matka-aka-part (, ) s t sekä kaavasta (18) laskettu aka T s[m] 80 100 200 00 400 1750 2000 4000 10000 t[s] 19.57 24.66 55.6 90.41 145 720 900 1800 4540 T [s] 21.0 28.79 69.89 11.52 158.04 771.75 885.84 1799.12 4540 Kun on laskettu determnantt (7) ja (8), saadaan kaavasta (9) aerobnen kerron ja kaavasta (10) perusenerga Kaavasta (16) saadaan aerobnen vauht - k = 10.49 m s -2 A = 904.86 m s vaer = k = 2.19 ms 2.2 ms -1-1 Kaavosta (11) ja (12) seuraa anaerobsen ja aerobsen juoksun raja t = A k = 86.28s Vauht on tällön kaavasta (1) s A k k = = 2 27.95m 28m v = 2 v = 2.76 ms 2.8ms aer -1-1 Juoksja kerto, että eräässä ennätysyrtyksessä hänelle tul juoksussa tällä vauhdlla vakeuksa juur 240 m kohdalla ja hän keskeytt juoksun. Syynä ol, että vauht ol ollut aerobseen vauhtn nähden 0,6 m/s lan kova. Prretään puollogartmnen aka-matka kuvaaja jollon saadaan sen lyhyt anaerobnen alku eroon aerobsesta jälkosasta. Kuvasta 2 nähdään mten juoksuvauht vähenee s, t käyrälle (14) matkan pdentyessä Kuten kuvasta nähdään osuvat psteet ( ) 65

s/m 10000 5000 2000 1000 500 200 100 0 1000 2000 000 4000 t/s Kuva 1. Juoksjan puollogartmnen aka-matka kuvaaja v m s.75.5.25 2.75 2.5 2.25 0 2000 4000 6000 8000 10000 s/m Kuva 2. Juoksjan matka-vauht kuvaaja Sovtuksen tarkkuus Vrhefunkton () kuvaaja osottautuu olevan kaukalomanen pnta, jonka ptken reunojen jyrkkyyttä määrttää parametr k, kun taas parametr A määrttää kaukalon pohjan käyryyden ptuussuunnassa. Nän ollen [12] parametr k vahtelee heman mutta parametr A vo vahdella huomattavastkn. Esmerkks Mathematan FndMnmum antaa - -2 - k = 10.48m s ja A = 945.70 m s ja NonlnearFt antaa k = 10.1m s ja -2 A = 1581.4 m s Lasketaan ajan vrheden nelöllnen keskarvo el RMS-arvo, joka on hajonnan mtta n= 9 1 2 RMS = ( t T) = 21.6s 22s (20) n 1 Koska alussa estetty sovtusmenetelmä antaa parhaan RMS-arvon, e muta menetelmä kästellä tässä enempää. = 1 66

Koska vrheet johtuvat yleensä monsta tekjöstä, vodaan nden olettaa noudattavan Gaussn kellokäyrää. Se antaa todennäkösyyden p, että juostu aka pokkeaa lasketusta määrän vako kertaa RMS ([9] s. 101 10). t T RMS = x, jollon todennäkösyydellä p on vomassa Merktään ( ) + r 1 x { } 2 2 P r < x<+ r = e dx=φ( r, + r) = p 2π (21) Juostu tulos t eroaa lasketusta T todennäkösyydellä p vähemmän kun ± rrms el r T rrms < t < T + rrms (22) 1 Suureen r ratkasemsta varten tarvtaan kääntestä vrhefunktota ( p) Φ = r. Sen arvo saadaan joko taulukosta ([9] s. 121 122) ta Mathematan InverseErf[p]-funktolla. Laskutulokset 95 %: n todennäkösyydelle ovat ( ) 1 r p InverseErf p =Φ = 0.95 = 2 [ = 0.95] = 1.96 rrms = 1.96 21.6s 4s (2) Yksnkertanen sovtus E käytetä Gaussn penmmän nelösumman menetelmää vaan lasketaan vakot k ja A esm. matkojen 100m ja 4000m arvosta, jotka ovat krttsen psteen molemmn puoln. Verrataan saatuja arvoja penmmän nelösumman menetelmän avulla saatuhn arvohn. Ensn saadaan parametrt k = 10.20 m s < 10.49 m s ja - - -2-2 A = 192.89 m s > 904.86m s. Lasketaan näden perusteella stten muut suureet. Aerobnen vauht on vaer = k = 2.17 ms 2.2 ms 2.2 ms -1-1 -1 ja krttset arvot aka, matka ja vauht ovat t = A k = 16.56s >86.28s s A k k = 2 = 7.1m 7m >28m v = = < 2 2.7ms -1 2.7 ms -1 2.8ms -1 k sekä vmeks sovtuksen tarkkuus 67

n= 9 1 2 RMS = ( t T) = 20.7s 20s < 22s (24) n 1 = 1 Nähdään, että aerobnen parametr k e paljonkaan muuttunut, josta syystä aerobnen vauht v aer ja krttnen vauht v pysyvät lkman ennallaan. Anaerobsen parametrn A kasvamsen myötä krttnen aka t ja matka s kasvovat huomattavast. Sovtuksen tarkkuuden RMS-arvo penen yllättäen kahdella sekunnlla, mkä on käytännössä merktyksetöntä. Tärkentä on todeta, että parametrt k ja A saatn määrtetyks melko yksnkertasest kahdesta juoksutuloksesta. Parametren k ja A muuttumsen el harjottelun vakutus Oletetaan, että juoksja ols harjotuksella lsännyt parametren k ja A arvoja el suhteellnen muutos ols ollut dk k = ε k ja da A = ε A. Mten vodaan arvoda juoksutuloksen parantumnen? Ensnnäkn parametren arvon muuttumnen vakuttaa krttseen psteeseen el suuresn t, s, v ja v aer ; kaavat (11), (12), (1) ja (16). Kaava (11) korvautuu nyt kaavalla t A 1+ ε A A = = f k 1+ ε k ( ε, ε ) A k k (25) josta näkyy myös parametren uudet lausekkeet A( + ε ) ja k ( ε ) 1 A 1+ k. Peraatteessa votasn kaavojen (17) ja (18) avulla tutka mten juoksuajat muuttuvat uuden t :n myötä. Helpommn saadaan lkmääränen vastaus seuraavast. Ptämällä matkaa s vakona ja dfferentomalla lauseke (1) vodaan johtaa kaava dt tt 1 dt k dt A = εk + εa t t t + 2 t t + 2 t t (26) Tämän kaavan avulla on mahdollsta arvoda, mten juoksutulos muuttus parametren muuttuessa. Seuraavassa taulukossa nähdään mten parametrt ja krttnen pste muuttuvat kaavan (26) mukaan ja taulukossa 4 nähdään juoksuakojen muutokset. Oletetaan esmerkks, että ε A = 0.0 ta 0.2 ja ε k = 0.0 ta 0.1. Olkoon tapaus a: ε A = 0.2 ja ε k = 0.1 f (0.2,0.1) = 1.09, tapaus b: ε A = 0.2 ja ε k = 0.0 f (0.2,0.0) = 1.20 sekä tapaus : ε A = 0.0 ja ε k = 0.1 f (0.0,0.1) = 0.91. Taulukosta nähdään mten krttnen pste srtyy er tapauksssa. Ero matkossa b ja tapauksen välllä on vähän päälle 60m. 68

Taulukko. Testjuoksjan eräden arvojen muuttumnen parametrn k ja A muuttuessa suure tapaus test a b k A v v - m s 10.49 11.54 10.49 11.54 s 86.28 94.1 10.54 78.44-2 m s 904.86 1085.8 1085.8 904.86 t [] [ ] [ ] [ ] s aer m 27.95 267.96 285.54 22.0 m s 2.76 2.85 2.76 2.85 m s 2.19 2.26 2.19 2.26 Taulukko 4. Testjuoksjan juoksuakojen parannukset Δ t parametrn k ja A muuttuessa s[m] 80 100 200 00 400 1750 2000 4000 10000 t[s] 19.57 24.66 55.6 90.41 145 720 900 1800 4540 a Δt [s] 1.65 2.00.81 5.48 7.75 27.85.91 64.04 155.46 b Δt [s] 1.52 1.82.07.91 4.68 6.0 6.41 6.65 6.80 Δt [s] 0.18 0.26 0.95 1.91.55 22.7 28.5 58.1 149.61 Kun dt k = dt A nn startsta on juostu akana t = tε A ε k matka s = k t ( ε A εk) 1+ εk εa jollon molemmat ajan parannukset, anaerobnen ja aerobnen ovat yhtä suuret. Sen jälkeen aerobnen domno. Tapauksessa a on tämä aka 188.26s ja matka 486.9m. Koska t :t ovat taulukon mukaan er tapauksssa er suuret, e superpononta voda käyttää. Kuten taulukosta 4 nähdään, on Δ t <Δ t +Δ t a b. Testjuoksjan sekä SE että ME ennätysten vertalu Lähteestä [10] saadaan Suomen Veteraanurheljalton (SVU) ennätykset sarjassa yl 65 vuotta. Lähteestä [11] saadaan IAAF:n vomassa olevat nasten ja mesten juoksun maalmanennätykset. Ennätykset olvat vomassa henäkuulla 2008. Lsäks lasketaan mhn päädytään Tuokon krjan [1] antamen k ja A arvojen perusteella. 69

Taulukko 5. Testjuoksjan, suomalasten 65v nasten ja mesten sekä nasten ja mesten maalmanennätysten vertalu ja Tuokon arvot Testjuoksja SVUN65 SVUM65 IAAFN IAAFM Tuokko - k m s 10.49 44.89 70.91 159.28 226.14 185-2 A m s 904.86 10056.40 27585.10 657.90 45109.20 28000 t [] s 86.28 224.01 89.0 228.27 199.47 151.5 s [ m] 27.95 100.07 2028.72 1558. 97 151.15 1086.56-1 v ms 2.76 4.57 5.21 6.8 7.68 7.18-1 v aer ms 2.19.55 4.14 5.42 6.09 5.70 RMS s kpl 21.8 9 9.5 8 17.1 8 11.8 11 9.6 11 [] Vakka ennätykset [10] ja [11] ovat er henklöden tekemät, suortetaan nden perusteella kutenkn samat laskutomtukset kun testjuoksjalle. Keskeset tulokset näkyvät taulukossa 5. Ensmmäsessä pystysarakkeessa on testjuoksjan saavuttamat arvot. Tosessa ja kolmannessa pystysarakkeessa ovat suomalasten nasten ja mesten sarjassa 65 vuotta ennätyksstä lasketut arvot. Neljännessä ja vdennessä pystysarakkeessa ovat IAAF:n nasten ja mesten maalmanennätyksstä lasketut arvot. Kuudennessa pystysarakkeessa on Tuokon krjassaan ([1] s. 1) arvomat k ja A arvot sekä nstä lasketut muut arvot. Almmalla vaakarvllä nähdään sovtuksen tarkkuus: RMS-luku sekä kunka monesta juoksutuloksesta se on laskettu. Seuraavsta kuvsta ja 4 näkyy vertalussa ero selväst. Vasemmalta okealle: ensn IAAF:n ME-mesten ja -nasten käyrät, stten tulevat SVU 65v mesten ja nasten ennätyksstä lasketut käyrät ja lopuks tekstjuoksjan juoksemat tulokset näkyvät enten okealla olevalla käyrällä. s m 10000 8000 6000 4000 2000 1000 2000 000 4000 t s Kuva. IAAF:n ennätysmesten ja -nasten ja SVU:n 65v ennätysmesten ja nasten sekä testjuoksjan aka-matka käyrät 70

v m s 15 12.5 10 7.5 5 2.5 00 2000 4000 6000 8000 10000 s m Kuva 4. IAAF:n ennätysmesten ja -nasten ja SVU:n 65v ennätysmesten ja nasten sekä testjuoksjan matka-vauht käyrät s m 10000 5000 2000 1000 500 200 100 0 1000 2000 000 4000 t s Kuva 5. SVU:n 65v ennätysnasten ja testjuoksjan puollogartmnen aka-matka kuvaaja Käyrän kulmakerron kertoo juoksuvauhdn, joka paranee okealta vasemmalle mentäessä. Kuva 4 kertoo mten juoksuvauht hpuu matkan pdentyessä maalmanennätysjuoksjolla sekä suomalaslla 65v ennätysjuoksjolla että testjuoksjalla. Kannattaa mustaa, että kuvan 4 käyrät ovat alkupäässään väärstynetä. Kakk saavuttavat lähes aerobsen vauhdn non 4000m jälkeen. Kuvan 5 puollogartmsssa aka-matka käyrssä nähdään SVU:n 65v ennätysnasten ja testjuoksjan ero. Kuten taulukosta 5 näkyy, tarkkuus on IAAF:n mesten ennätyksssä ja SVU:n 65v nasten ennätyksssä samaa suuruusluokkaa. Testjuoksjan sovtuksen tarkkuus ol RMS 22s. Ennätysmesten ja nasten sovtuksen tarkkuuden hyvä arvo johtunee stä, että ennätysjuoksjat muodostavat varsn homogeensen joukon. 71

Vauhdn hpumnen maratonmatkolla Taulukossa 5 lasketut arvot pohjautuvat radalla juostuhn tuloksn. Sekä puolmaraton että kokomaraton juostaan maastossa, joten maaston laatu vakuttaa hdastavast vauhtn. Lsäks tulee tankkaamsesta ynnä musta häröstä lsää hdastusta. Taulukon 5 kahden ensmmäsen vaakarvn k ja A arvoja käyttäen vodaan laskea puol- ja kokomaratonlle teoreettnen aka-arvo. Vertaamalla ntä lähtestä [10] ja [11] saatavn todellsn ennätyksn saadaan prosentuaalset hdastumset. Ne näkyvät seuraavassa taulukossa 6. Taulukosta näkyy että ME-juoksjolla meno puolmaratonlta kokomaratonlle aheuttaa naslla van yhden %-ykskön kun taas mehllä 5%-ykskön lsähpuman. MEnaset kestävät ptkään tasasta kovaa vauhta. Suomalaslla veteraanjuoksjolla puolmaratonlla hpumnen on n. 2% mutta kokomaratonlla jo selväst suuremp varsnkn naslla. Taulukko 6. Nas- ja mesjuoksjoden juoksuakojen suhteellnen hdastumnen taulukon 5 arvohn nähden maraton matkolla Matka [ km] SVUN65 SVUM65 IAAFN IAAFM 21.1 2.0% 1.6% 4.4%.4% 42.2 9.1% 6.0% 5.4% 8.4% Tulevasuuden ennustus Juoksja on päättänyt osallstua puolmaratonlle. Kaava (18) antaa ennustetun juoksuajan ja kaava (2) vahteluväln. Estmotu aka on h m s T = 9609.90s ± 4s = 2 40 10 ± 4 s (27) Ennuste on aka tukka ja juoksjan kuntoon nähden nopen teoreettnen aka. Juoksjalla tuskn on mahdollsuuksa alttaa tätä akaa. Koska harjotellutkn kuntolja yltää tavallsest van non puoleen huppujen vauhdsta, on todennäköstä, että juoksjan hpumsaste puolmaratonlla on samaa suuruusluokkaa kun SVUN65 juoksjan kokomaratonlla el non 10 %. Tämä huomoon ottaen juoksjan akaennuste on h m s h T = 1.1 9609.90s = 10570.89s = 2 56 11 (28) Tämän perusteella non kolmen tunnn juoksuaka lenee mahdollnen. 72

Lähteestä [1] käy lm, että juoksja saavutt puolmaratonlla 21.1 km ajan h m s t = 25926, joka on juur laskelmen perusteella arvodun (28) suurunen el non kolme tunta. Juostu aka ol 12.0 % suuremp kun kaavan (27) laskettu aka. Juoksjan hpumsaste ol ss 12.0 %. Yhteenveto Tuokon mall Juoksun dynamkka sop oken hyvn testjuoksjan tulosten analysontn, sllä hän juoksee usen tasasella vauhdlla, jonka hän sovttaa aotun matkan ptuuteen. Pkajuoksun ja kestävyysjuoksun välllä oleva krttnen raja näytt tulevan myös testjuoksussa hyvn eslle sekä teorassa että käytännössä. Tämä johtu stä, että testjuoksussa puuttu varsnanen khdytysvahe nn kun Tuokon mallstakn. Jopa kahdesta testjuoksusta lasketut arvot antovat hyvän sovtuksen. Pdemmllä testmatkolla mahdollnen ns. aerobnen el hengtettyyn happeen perustuva vauht tul myöskn laskusta selväst lm. Teora e ennusta kunka ptkän matkan juoksja kykenee juoksemaan tällä tasapanovauhdlla. Luultavast maratoonareden käyttämä tankkaus matkan varrella tuls matkan pdentyessä ennen ptkää tarpeellseks. Tuokon mallssa suhde rajavauht/aerobnen vauht on v v aer = 2 1.26. Se e vo olla juoksjosta rppumaton luonnon vako. Tuokon mall tom parhaten krttstä matkaa pdemmllä matkolla. Se e lankaan ennusta juoksjan maksmvauhta. Mutta mussa mallessa ([4] [7]) maalmanennätyksstä laskettuna suhde maksmvauht/aerobnen vauht, on VU= 11.15 6.4 1.7. Tämä sama suhteen arvo ol testjuoksjallakn el v100m vaer 1.74 Ennätysjuoksjoden tulokssta lasketut arvot taulukossa 5 antavat eräänlasen ryhmäkeskarvon, joka e välttämättä päde yksttäseen ennätysjuoksjaan vakka sovtuksen tarkkuuden RMS-arvot olsvat hyvät. Vtteet [1] Reno Tuokko, Urhelja luonnonlaken kahlessa, WSOY, Porvoo-Helsnk, 1965, s. 1-6 ja 120 121. [2] Keller, J.B., A Theory of Compettve Runnng. Physs Today 26 (197) 9, s.42-47. [] Keller, J.B., Optmal Veloty n Rae. Ameran Mathematal Monthly 51 (1974) 5, s. 474-480. [4] Holmlund, U., von Hertzen, R. ja Ranta, M.A., Eräs pkajuoksun matemaattnen mall. Arkhmedes /96, s. 8-1. [5] Holmlund, U., von Hertzen, R., Models of Sprntng based on Newton's seond Law of Moton and ther Comparson, Journal of Strutural Mehans, Vol. 0, 1997, No 2. s. 7-16. [6] von Hertzen, R., Holmlund, U., Rahkanen, A. and Ranta, M. A., On the mathematal theory of ompettve runnng, Transworld Researh Network. Bomehans, 1(200), Kerala, Inda. [7] Ranta, M. A., Optmaalnen klpajuoksu, Rakenteden Mekankka, Vol 6, 200, Nro 1. s. 22 7. 7

[8] Myrberg, P. J., Dfferentaal- ja ntegraallaskennan oppkrja, Otava, Helsnk, 1952, s. 466. [9] Juva, Y., Todennäkösyyslaskennan alketa, Krjayhtymä, Suomalasen Krjallsuuden Krjapano Oy, Helsnk, 1966, s. 145. [10] Suomen Veteraanurhelultto, http://www.svu.f/ennatykset/ [11] Maalmanennätysjuoksut, IAAF Internatonal Assoaton of Athlets Federaton, http://www.aaf.org/ndex.html [12] Holmlund, U., Ykstyset keskustelut ja sähköpostn vahto, 2008 [1] Espoon Rantamaraton 21.9.2008 http://www.rantamaraton.f/tulokset.php www.raetmer.se 21.1 km naset 60v (juoksjan klpalunumero 144) Matt A Ranta TKK, Matematkan ja systeemanalyysn latos PL 100, 02015TKK s-post: matt.ranta@tkk.f Lala Hosa Nallenpolku 2 C 8 02110 Espoo s-post: lala.hosa@gmal.om 74