Study of new mathematical models to predict the power generated by a cyclist, using biometric variables

Los últimos años se ha incrementado el número de aficionados al ciclismo. Según el informe El sector de la bicicleta en cifras 2021, publicado en abril del 2022 por la Asociación de Marcas y Bicicletas de España (Ambe), donde se recoge el número de ventas del año anterior, se puede observar que el volumen de negocio del sector se ha visto incrementado en un 10.76%. Muchos de los clientes son aficionados y semiprofesionales que como cualquier deportista tiene la necesidad de monitorear su actividad. En el ciclismo profesional es común usar potenciómetros como herramienta para medir la potencia de pedaleo, tanto es así que este parámetro se usa como medida de la eficiencia del ciclista, es decir, cuanto más eficiente sea el pedaleo, más rendimiento se consigue con el mismo esfuerzo. Entrenar con un ciclocomputador permite conocer la potencia desarrollada en vatios en tiempo real por lo que se puede planificar una carrera o un entrenamiento. Detrás del monitoreo existe una ciencia de análisis de datos que brindan una gran cantidad de información que permite al deportista entrenar con la intensidad necesaria en cada momento. Aunque en últimos años esta herramienta ha bajado de precio considerablemente, para muchos aficionados y semiprofesionales, aún es inaccesible. Muchos de ellos optan por monitorear la potencia mediante aplicaciones, pulseras de actividad o bandas de cardio. Esto hace que sea necesario buscar alternativas a los ciclos computadores que puedan ser asequibles para los ciclistas amateur. Por tanto, se propone el desarrollo de modelos matemáticos para la predicción de la potencia generada por un ciclista. Para estos modelos se tomará como entrada variables biométricas que son sencillos de obtener y, por tanto, accesibles a cualquier persona. La implementación de estos modelos tiene como objetivo el estudio de los modelos justificando su elección, seleccionar aquellas variables biométricas que sean más representativas para cada modelo, pues un modelo matemático robusto no es aquel que mejor se ajuste, sino el que mejor generaliza, y finalmente obtener resultados que permitan definir cuál de ellos proporciona mejores predicciones de la potencia generadaEscuela Técnica Superior de Ingeniería IndustrialUniversidad Politécnica de Cartagen