表現預測功能會基於訂閱者過去的 Strava 活動資料，預測關鍵跑步距離的完成時間。支援的距離有 5 公里、10 公里、半程馬拉松與全程馬拉松。

表現預測功能不將路面或海拔變化納入考慮，計算時假設運動同好在平坦的、類似跑道的路面上行進。該功能只對訂閱用戶開放，可前往你分頁的進度部分查看，並在行動應用程式上的跑步活動中顯示。

訂閱者若要查看預測，必須在滾動的 24 週期間內（約 5 個半月）上傳至少 20 次跑步活動。這保證了該功能背後的機器學習模型有充足的資料，生成高品質、準確的預測內容。訂閱用戶每上傳一次跑步活動，或連續三天未上傳跑步活動，模型都將生成一組新的預計表現。如未在滾動時間視窗內上傳足夠數量的跑步活動，訂閱用戶則可以看到上一次資料充足時生成的預計表現。訂閱用戶再次上傳足夠資料後，預計表現將會更新。

您的預測中未包含室內活動及跑步機運動。僅採用透過 GPS 記錄的戶外跑步資料。該模型會綜合考量您歷來的運行紀錄與最佳表現，但會對您過去 24 週滾動時間窗內的上傳資料給予較高的權重。這樣一來，您的預測就能與當前的體能狀態緊密對應，而非基於更久遠的過去的表現。

您可以查看過去 1、3 及 6 個月的預測趨勢。在月檢視中，你可以每天查看更新後的預測結果。針對 3 個月和 6 個月的期間，您可以查看每週的預測中位數。要查看過往預測結果，在所選時間範圍內，你必須至少有針對所選距離的 2 筆預測記錄。即使目前的跑步次數還不足以生成今日最新預測，你仍然可以查看所選時間範圍內的過往預測。

Strava 的表現預測功能使用了機器學習模型，會考慮超過 100 種運動同好的數值指標，包含歷來的跑步記錄以及最佳表現等等。其他的賽跑預測功能通常只根據預估的 VO2 最大值等理論數值進行預測，Strava 的預測功能與他們不同，會使用真實的活動資料進行預測。我們的系統會同時參考其他訓練歷程相似的運動同好，預測出來的數值有其他相似體能的運動同好的實際數據作為依據，所以更為真實精準。

不同的跑步距離是單獨計算的，因此能更為準確。舉例來說，一名為馬拉松進行訓練的運動員，若每週增加跑步總量並著重於較長間歇訓練，其半馬拉松和馬拉松的預測成績可能會顯著提升，但在較短距離的預測成績上卻未必會有相應的進步。

同樣地，專注於短距離項目、並在訓練中著重速度與爆發力的運動員，其5 公里和10 公里預測成績的提升幅度，可能會比長距離項目更大，因為在長距離項目中，這些能力的重要性相對較低。