百科问答小站 logo
百科问答小站 font logo



增肌计划中健身一周练六天,每天练不同部位是否合理? 第1页

  

user avatar   mo-tian-sheng-60 网友的相关建议: 
      

长文、干货预警。

很早就想写一篇关于训练变量的文章了,知乎给很多训练者科普了基础的解剖学、生理学、营养学知识,但是一个很重要的训练学知识却是很匮乏的。在我看来,一个训练者掌握了训练学的知识,才是他能取得进步的有力保障。

在这一个回答里,我希望通过对训练量、疲劳管理等概念的解释,回答分化训练出现的原因,并运用这些概念帮助大家理解训练的增长是如何完成的,以指导自己今后的训练。

我要声明的是:以下的阐释是一个很大程度上的简化过程,现实中当然要考虑一些其他因素,这样做有助于我们理解训练的本质。

以下正文:

我们想要知道一次训练的增长是如何完成的,首先要引入一个理论:一般适应综合征(General Adaptation Syndrome,GAS)。这个由加拿大生物学家Han Seyle提出的理论简单说就是一个压力——恢复——适应的模型。






举个例子,小A要做一次1000米跑的体测,在这之前他毫无运动经验,他尽管费力跑完,但还是差一点才及格。之后第二天身体开始出现各种酸痛,但他休息两天以后发现酸痛减轻了,甚至在下一周的补测,他以及格的成绩跑完,而且不适感减轻了。

在这一个例子中,贯穿了整个GAS理论模型:对于毫无运动经验的小A来说,1000米跑就是一个压力源,小A的身体出现不适、酸痛是因为身体对于这个压力不习惯,而在休息的两天里,他经过睡眠、进食等手段完成了恢复过程,下一周的补测,小A减轻不适感并达到及格,是因为身体已经开始适应这样的压力,在这一个例子里,我们通过GAS模型看到了一次训练的增长。

顺着这个例子,和小A同班的大A,有专门训练过1000米跑,他在上一周的训练中以3分20秒的成绩完成了训练,而在这周的体测里,他却跑了3分22秒。虽然他表现很好,可是相比上一周的训练只能说差强人意。如果下一周他还要跑,他的成绩会不会因此次体测而提高呢?

答案是:很大程度上不会。这里引入一个大家都知道的原则:渐进超负荷(progressive overload)。为什么同班的大A没有产生新的适应?因为这周的体侧并没达到他能破坏体内平衡的超负荷的压力。训练是一个不断突破自我的过程,这句话是有理论支撑的。大A上一周的训练跑到了3分20秒,产生了新的适应,但他听很多人都说:跑慢点吧,随便跑跑就行了何必受累呢。于是他也懒于突破,以致这周体测跑了3分22秒,而这样的训练显然没有达到超负荷的压力,那么他下一周很大程度上也不会有新的突破。

通过上面的例子,我们知道一次训练增长是如何完成的,接着我们转入到更深的层次:持续的增长是如何完成的?

这里我们引入一个概念:训练量(Volume)。训练量是一次训练中的内容总和,反映在力量训练里,就是组次数和单次重量的乘积,即我们通常说的“吨数”。比如你深蹲100kg,5组5次,那么你今天深蹲的训练量就是100kg*5*5=2500kg=2.5t。在上面体测的例子里,小A的训练量就是不及格的时间跑完的1000米,而大A是3分22秒跑完的1000米。





训练量决定了你的训练效果。一次达到了超负荷压力的训练量会引起压力——恢复——适应系统的响应,在这个过程完成后,我们实际上提高了压力的耐受性。训练量越大,压力就越大,所需要的恢复时间就越长,同时适应就会越强(即训练效果越好)。但是想想,如果经过这一次的增长后我们就再也不训练了,结果会怎样?

我们会回到原初的体内平衡,换句话说这样的适应并不会长久地保存下去。我们想要保持甚至获得新的提升,就需要在适应后继续进行训练。(所以,训练并不是一劳永逸的事情)

那么休息多长时间再进行训练的问题就摆在了我们面前。

这里引入一个概念:疲劳管理(fatigue management)。疲劳管理简单说就是合理安排时间、压力源和恢复阶段以达到最大化适应的过程。在疲劳管理中,我们实际上控制的是训练量和恢复时间,我们先谈更简单的恢复时间。






上图是我们理想的一个持续增长过程——每次训练都开始于超量恢复的波峰。这样的训练状态是最高效的,也是我们最想要达到的状态。我们怎样才能做到这样高效的持续增长呢?按照大多数人说的24、48或是72小时的休息?我只能说,抱歉,作为普通的训练者并不能精准地让每次训练都始于超量恢复的波峰,我们存在个体差异——每个人由于年龄、性别、饮食情况、基因等原因,身体反应在训练时有轻微的差别。这就是为什么普适性的计划对于个人来说并不是最高效的原因。

我们或许能偶尔在波峰开始,但大多时候可能在波峰的两侧,但只要在原先体内平衡之上开始,我们总能获得进步。(即使这不是最高效的)

但我们最担心出现两种情况:负训练(detrain)和过量训练(overtrain)。前者是恢复时间太长,以致训练开始于适应后回落的波谷;后者是恢复时间太短,以致训练开始于压力后身体不适的波谷。注意到,两者的下一次开始训练的时间都在原先体内平衡之下。





举个例子,小A到了健身房之后开始深蹲,做20kg的5组5次。一开始大A骗他说第二天就可以训练了,于是小A第二天忍着不适做22.5kg的5组5次,他发现特别困难并且痛苦,在第三天他发现自己甚至连20kg的5组5次都没法完成了,这就出现了过量训练。然后大A真诚地和他说,我骗你的,休息两周才有效。天真的小A又信了,于是恢复到原来的水平后,他又开始20kg的5组5次,并在两周后的同一天做22.5kg的5组5次,他发现没有连续做那么痛苦,他就继续休息两周了,但渐渐地他发现,自己的训练水平还是在下降,某一天他自己又没法完成20kg的5组5次了,这就出现了负训练。后来小A开始依靠自己的感觉,发现了自己2~3天就能恢复的事实,训练开始获得持续进步。

接下来我们谈训练量。既然训练量越大,训练效果越好,那是不是说我一开始就用特别大的训练量训练,就能获得非常大的进步呢?答案是:你会扑街。当超负荷压力大到超过身体能承受的程度,就会引起机体崩溃,我们常见的一种高训练量引起的病症就是横纹肌溶解。

那么如果我们训练量保持在接近过度训练的临界,是不是就好了呢?答案是:否。因为我们要综合考虑两点:1.时间限制。作为普通人的我们并不像职业运动员能每天花费6-8小时在训练上,并且在高训练量下我们难免不会产生抵触,从而放弃训练;2.训练效果是一个边际递减的曲线,这是最重要的原因。没错,训练效果并非是线性增长的,比如说你用100kg做5组5次可能可以增长1kg,但你用100kg做10组5次(实际上一般完成不了)可能只能增长1.75kg,也就是说2倍的训练量并非能得到2倍的增益。我们希望做到的是控制训练量不超过训练量/训练效果的拐点,从而保存训练的长期潜力,而不掉入高训练量的陷阱。




(这里用一张简单的数学曲线来表现训练效果的边际递减)

写到这里我想各位应该体会到训练的魅力了,这就像一场投入产出的游戏,做到高效产出,并同时保持长期增长潜力的训练者,才是这场游戏的最大受益者。对于普通训练者来说如何才能做到,这就需要实践的积累去体悟你训练的增益,在长期的训练中慢慢达到疲劳管理。

接下来我们简单说一下分化训练。现在的大多数人对于分化训练的认知主要来源于《施瓦辛格健身全书》,或是从看了这些书的人那了解的。有些人张口就是韦德训练法则,但他们却不知道在《韦德健美训练法则》里,分化训练被看成是高级训练——“这个全新的方法能使各部位的每块肌肉都增加训练强度,并在下一次训练以前使这些肌肉有充足的时间恢复,还使全身各部位的每块肌肉都有充足的训练时间。”

举个例子,小A一开始去健身房并不进行分化训练,一周只在周一、周四训练,因为只需要很小的压力就能达到超负荷从而进步,所以他进行全身训练只需要花一个半小时。但随着训练量的增长,他的训练动作增多、组次数增多,需要花费的时间越来越长,甚至到了四个小时的地步。于是他就想,反正明天也没什么事情,为什么不分担一些压力到明天?于是他开始上下身分化,周一、周四上身,周二、周五下身,分化以后他一周的训练总量虽然相同,但每天消耗的时间却大大减少,而这又给他训练量的增加余出了时间。随着训练量的又一次提升,他开始周一、周四胸背,周二、周五肩臂,周三、周六臀腿,这一次分化又给他增加训练量余出了时间。随着小A越来越厉害,他开始使用双分化训练,即一天安排两次训练。

换句话说,分化训练的出现是为了解决训练量增长的需求。新手一开始就使用分化训练其实是落入了上文提到的高训练量陷阱,这时他们感觉到训练效果增长得很快,并称之为新手红利(当然,新手红利还有其他原因),殊不知他们已经在逐渐缩短自己增长的潜力了。

言归正传,如果题主是刚训练的新手,根本不用太精确的分化甚至不需要分化就能获得进步,在训练量积累到一定程度的时候再开始分化,这样才能保持你训练的长期潜力,得到更多的增长。




  

相关话题

  健身一年了,准备摄入肌酸,哪个牌子更值得推荐呢? 
  为什么被打到腿部大动脉会死,但是腿炸断了反而能活? 
  请问我是存在体态问题还是做引体向上的姿势不标准? 
  健身教练有哪些内幕? 
  运动饮料真的有作用吗?还是仅是心理作用? 
  在健身方面你有哪些实用的知识和经验? 
  怎样看待「身材都无法控制,还如何控制人生」这句话? 
  如何看待健身房广告恶意诽谤医生职业? 
  每天坚持半小时HIIT能瘦吗? 
  敲打肌肉 有利于肌肉的生长么? 

前一个讨论
微信编辑哪里找高逼格 GIF 动图?
下一个讨论
如何看待 12 月 8 日卢本伟的道歉微博?





© 2024-11-21 - tinynew.org. All Rights Reserved.
© 2024-11-21 - tinynew.org. 保留所有权利