기본 콘텐츠로 건너뛰기

러닝 다이어트 최적화 알고리즘: 3년 차 러너 12주 측정 데이터

러닝 다이어트 최적화 알고리즘: 3년 차 러너 12주 측정 데이터

측정 기간 12주 본인 체중·페이스·근손실 추적 알고리즘 4개 변수

러닝으로 살을 빼는 사람들이 가장 자주 무너지는 지점은 "칼로리 적자만 만들면 된다"는 단순화다. 실제로는 적자를 너무 빨리 만들면 페이스가 무너지고, 단백질이 부족하면 근손실로 기초대사가 떨어져 다시 살이 찐다. 본인 12주 측정 데이터로 검증한, 러닝 + 식단을 동시에 만족시키는 4변수 알고리즘을 정리한다.

1. 왜 단순한 칼로리 적자 모델은 깨지는가

전통적 다이어트 권장은 "TDEE − 500kcal"다. 하지만 러너에게는 이 공식이 두 가지 이유로 깨진다.

  • 적자가 페이스를 깎는다 — 글리코겐이 비면 같은 거리에서 페이스가 10-20초/km 느려진다.
  • 적자가 근육을 깎는다 — 단백질이 부족하면 체지방보다 근육이 먼저 빠진다.

그래서 러너의 다이어트는 단순 적자 문제가 아니라 제약 조건이 있는 최적화 문제다.

2. 4변수 최적화 모델

최대화: ΔBodyFat
제약: 단백질 ≥ 1.8g/kg, 페이스 손실 ≤ 5초/km, 회복 HRV 유지

네 개의 변수가 서로를 제한한다. 한 변수를 너무 강하게 잡으면 다른 변수가 무너진다.

변수의미본인 적용 값
칼로리 적자일일 TDEE − 섭취−400kcal (체중의 0.5%/주)
단백질g/kg/day1.8-2.0g/kg
탄수화물러닝 전후 비중러닝 전 50%, 후 30%, 휴식일 20%
회복 신호HRV·수면·심박HRV 평균 −10% 이내 유지

3. 알고리즘 의사코드

// 매주 일요일 저녁에 실행
function nextWeekPlan(state):
  if state.weeklyWeightLoss > 0.8% of bodyweight:
    deficit -= 100kcal // 너무 빠른 손실 → 완화
  else if state.weeklyWeightLoss < 0.3%:
    deficit += 100kcal
  if state.paceLossPerKm > 5s:
    carbBeforeRun += 30g // 글리코겐 보충
  if state.HRV_drop > 12%:
    deficit = 0 // 다음 1주는 유지 칼로리
  return { deficit, carbBeforeRun, protein, restDays }

핵심은 매주 측정값을 보고 다음 주 계획을 수정한다는 점이다. 12주 동안 한 번도 같은 식단을 반복하지 않았다.

4. 본인 12주 측정 데이터

측정 도구: 체중계(InBody H20N), Garmin 시계 HRV, MyFitnessPal 식단, Strava 페이스

주차체중(kg)체지방률10km 페이스HRV
0주차72.418.3%5'12"/km62
4주차71.016.9%5'14"/km60
8주차69.615.4%5'10"/km61
12주차68.514.1%5'06"/km63

총 −3.9kg, 체지방률 −4.2%p. 더 중요한 건 페이스가 오히려 6초/km 빨라졌고 HRV가 회복됐다는 점이다. 일반적인 다이어트는 페이스 저하·HRV 하락을 동반하지만, 알고리즘 기반 조정은 그 둘을 막아냈다.

5. 가장 중요한 단일 변수: 단백질 임계

12주 동안 단 한 번도 어기지 않은 규칙은 단백질 1.8g/kg/day이었다. 본인 체중 70kg 기준 약 126g. 칼로리 적자 상황에서 단백질이 임계 아래로 내려가면 근손실이 시작되고, 그러면 기초대사가 떨어져 정체기가 길어진다.

실제 American College of Sports Medicine 가이드라인도 체지방 감량기에는 1.6-2.2g/kg를 권장한다. 본인은 일반인 권장보다 약간 높은 1.8g를 기준으로 잡았다.

6. 흔히 실패하는 3가지 패턴

  1. 러닝 직후 굶기 — 회복 윈도우(30-60분)에 단백질·탄수화물을 안 넣으면 다음 러닝의 페이스가 깎인다.
  2. 주간 -1kg 목표 — 너무 큰 적자는 글리코겐을 비워 페이스 손실 → 운동 흥미 감소 → 폭식의 사이클로 들어간다.
  3. 주말 폭식 보상 — 주중 적자를 주말에 메우면 평균 적자는 0이 된다.

알고리즘적으로 표현하면 위 세 패턴은 제약 조건을 어기는 동시에 목표 함수를 최대화하려는 시도다. 본질적으로 풀리지 않는다.

7. 결론: 다이어트는 매주 갱신되는 함수다

러닝 다이어트는 한 번 세팅하고 끝나는 시스템이 아니다. 매주 측정값을 입력으로 받아 다음 주 적자·탄수·휴식일을 다시 계산하는 함수다. 12주가 지나면 본인의 반응 패턴이 데이터로 쌓이고, 13주차부터는 알고리즘이 더 정확해진다.

1차 자료

  • American College of Sports Medicine, Position Stand: Nutrition and Athletic Performance (2024 갱신)
  • International Society of Sports Nutrition, "Protein Intake for Endurance Athletes" 가이드라인
  • Garmin HRV Status 측정 방법론 공식 문서
  • 본인 12주 측정 데이터 (2026-02-05 ~ 2026-04-29)
  • 참고서: 『The Endurance Diet』(Matt Fitzgerald)

측정값은 본인 1인 데이터로 일반화 가능성이 제한적입니다. 다이어트는 개인 건강 상태에 따라 달라지며, 만성 질환이 있는 분은 의료진 상담 후 시작하시기 바랍니다.

#러닝다이어트#체중감량#칼로리적자#단백질섭취#마라톤페이스#HRV#12주다이어트#러너영양

댓글

이 블로그의 인기 게시물

구글 제미나이 라이브를 보며 적어둔 AI 교육 메모

AI 튜터, 정말 사교육을 대체할까? 부모로서 4개 도구 직접 써본 솔직 후기 2026-05-03 갱신 | 작성자: 원스 (Wons) | 분야: AI 교육 / 에듀테크 비교 구글이 제미나이 라이브를 공개했을 때 가장 많이 들은 질문이 두 가지였습니다. "이거 진짜 사교육 대체해요?" 와 "우리 애한테 시켜도 돼요?" . 솔직히 처음엔 저도 영상 데모만 보고 답을 못 했어요. 그래서 작년 가을부터 5개월 동안 초등 6학년 사촌 동생과 함께 AI 튜터 4개를 실제로 돌려봤습니다. Khanmigo , Gemini Live , Synthesis Tutor , 그리고 한국의 콴다 GPT 까지요. 결과만 먼저 정리하면 이렇습니다. AI 튜터는 사교육을 대체하는 도구가 아니라, 사교육 사이의 빈틈을 메우는 도구 였습니다. 그게 무슨 말인지, 그리고 한국 부모 입장에서 어디까지 현실적인지 5개월 데이터로 정리합니다. 먼저, 1차 자료에서 본 AI 튜터의 실제 효과 의견부터 늘어놓기 전에 검증된 연구 결과를 봅시다. Khan Academy의 2024년 발표 에 따르면 Khanmigo를 사용한 학생군의 학습 시간이 평균 2.3배 증가했고, 수학 단원 완료율이 비사용군 대비 18%포인트 높았습니다. 단, 이 데이터는 Khan Academy 플랫폼 내 학습자 한정이고 자율성이 높은 학생군이라는 점은 감안해야 합니다. 학술 영역에서는 카네기 멜런 대학의 Intelligent Tutoring Systems 연구 가 30년 넘게 축적되어 있는데, AI 튜터가 사람 1:1 과외에 비해 평균 0.7~0.8 표준편차 낮은 학습 효과를 낸다고 메타분석 결과를 일관되게 보여줍니다. 사람 과외만큼은 아니지만 그룹 수업 대비로는 의미있는 차이라는 게 핵심 결론입니다(이른바 Bloom's 2 sigma problem의 부분 해법). 💡 한국 시장 데이터 ...