TY - JOUR 
A1 - Mayancela Punin, Carlos Antonio
T1 - Study of new mathematical models to predict the power generated by a cyclist, using biometric variables

Y1 - 2022
UR - http://hdl.handle.net/10317/11681
AB - 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 generada
KW - Ingeniería de Sistemas y Automática
KW - Modelos matemáticos
KW - Mathematical models
KW - 1209.14 Técnicas de Predicción Estadística
LA - spa
ER -