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。 表現預測不會考慮比賽中的任何地形或海拔變化，並假設運動同好是在類似田徑場的平坦路線上進行比賽。 預測功能僅供訂閱者使用，你可以在 你 分頁的 進度 區塊，以及行動應用程式中的跑步活動中找到。

若要查看預測，訂閱者必須在連續 24 週（約 5 個半月）內上傳至少 20 項跑步活動。 這個門檻能確保驅動這項功能的機器學習模型擁有足夠的資料，以做出高品質且準確的預測。 每次上傳跑步活動後，以及連續三天沒有上傳任何跑步活動時，模型都會為訂閱者產生一組新的預測。 在滾動時間範圍內未上傳足夠跑步活動的訂閱者，將會看到他們上次有足夠上傳量時所快取的預測資料。 一旦訂閱者恢復上傳並達到活動門檻，預測就會更新。

你可以查看過去 1 個月、3 個月和 6 個月內你的預測變化。 在每月檢視中，你每天都可以查看更新的預測。 針對 3 個月和 6 個月，你可以看到每週的預測中位數。 如果你沒有那一天或那一週的最新預測，我們會幫你把資訊串連起來。 若要查看過去的預測，你必須在所選的時間範圍內，針對所選的距離至少有 2 次預測。 即使你沒有足夠的跑步紀錄讓我們今天為你提供目前的預測，你還是可以在選定的時間範圍內查看過去的預測。

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，練習跑馬拉松的運動同好每週長跑的訓練量比較大，因此會發現他們在半程馬拉松與全程馬拉松的預測值逐步進步，但短距離的預測值並不會同等的進步。 同樣地，專注練習短距離、注重速度與功率的運動同好，則會發現他們在 5 公里與 10 公里的預測值進步的比長距離的預測值多，這是因為長距離跑注重的能力與短距離跑不盡相同。

強化版的表現預測模型已於 2025 年 9 月 23 日當週推出。 這次更新確保你的預測能更準確地反映你最近的最佳成績。