Resultatprognoser gir abonnenter estimerte fullføringstider for viktige løpsdistanser basert på deres historiske Strava-aktivitetsdata. Løpsdistansene som støttes er 5 km, 10 km, halvmaraton og maraton. Resultatprognoser tar ikke hensyn til variasjoner i terreng eller høyde for løpet og antar at en atlet løper på en flat løype, tilsvarende en løpebane. Prognoser er kun tilgjengelige for abonnenter og finnes under delen Fremgang i fanen Du og i løpeaktivitetene dine i mobilappen.

For å se prognoser må en abonnent laste opp minst 20 løpeaktiviteter innenfor et rullerende 24-ukers vindu (omtrent 5,5 måneder). Denne terskelen sikrer at maskinlæringsmodellen som driver funksjonen, har tilstrekkelig data til å lage en nøyaktig prognose av høy kvalitet. Modellen genererer et nytt sett med prognoser for abonnenten etter hver opplastede løpetur og etter tre dager uten en opplastet løpetur. Abonnenter som ikke har lastet opp nok løpeaktiviteter innenfor det rullerende tidsvinduet, ser et sett med prognoser fra sist gang de hadde nok opplastinger. Når en abonnent gjenopptar opplastingen og når terskelen for aktiviteter, oppdateres prognosene.

Du kan se prognosene dine over tid for den siste måneden, de siste 3 månedene og de siste 6 månedene. For månedsvisningen kan du se dine oppdaterte prognoser daglig. For 3 måneder og 6 måneder kan du se medianprognosen din fra hver uke. Hvis du ikke hadde en oppdatert prognose for den dagen eller uken, hjelper vi deg med å se sammenhengene. For å kunne se tidligere prognoser må du ha minst 2 prognoser i den valgte tidsrammen for den valgte distansen. Selv om du ikke har nok løpeturer til at vi kan gi deg en aktuell prognose i dag, kan du se dine tidligere prognoser i den valgte tidsrammen.

Stravas funksjon for resultatprognoser drives av en ML-modell som benytter seg av over 100 atlet-dataegenskaper, inkludert løpshistorikk og beste prestasjoner gjennom tidene. I motsetning til andre løpsprognoser som baserer seg på teoretiske inndata som estimert VO2-maks, bruker Strava kun ekte aktivitetsdata for å forutsi løpsresultater. Systemet benytter seg også av resultatene til atleter med lignende treningshistorikk, slik at estimerte tider er realistiske og basert på det som er oppnådd av andre brukere med lignende evner.

Tider for hver løpsdistanse beregnes uavhengig, noe som fører til større presisjon. For eksempel kan en atlet som trener til et maraton – og har et høyere ukentlig løpsvolum og fokuserer på lengre intervaller – se betydelig forbedring i sine halvmaraton- og maratonprognoser, men ikke se tilsvarende forbedring i sine prognoser for de kortere distansene. På samme måte kan en atlet som fokuserer på kortere distanser – med vekt på hastighet og effekt i treningen – se større forbedring i sine prognoser for 5 km og 10 km enn på de lengre distansene hvor disse egenskapene er mindre viktige.

En forbedret versjon av resultatprognosemodellen ble lansert uken 23. september 2025. Denne oppdateringen sørger for at prognosene dine gjenspeiler de siste beste tidene dine mer nøyaktig.