研究目的研究20-30岁普通成年人不同运动强度下的功率自行车运动的能量消耗（energy expenditure,EE）特征;建立功率自行车运动的EE预测模型。研究方法研究对象为39名20-30岁有运动习惯成年人。受试者佩戴3B-R2气体代谢分析仪和polor心率带,分别完成3种强度（30W、75W、125W）下6min、65rmp骑车运动。依据摄氧量与二氧化碳呼出量计算出3种强度下的EE。采用34人数据通过SPSS的线性方法建立线性回归模型,采用5人数据（3男2女）验证模型的准确性;采用Matlab建立BP（back propagation）神经网络模型。采用Bland-Altman散点图对模型预测的准确性进行分析,采用平均绝对误差（mean absolute error,MAE）、均方误差（mean square error,MSE）、对数据的预测能力来分析不同模型在预测EE的准确性。研究结果1.随运动强度增加,男女的运动中EE、运动后过量氧耗（excesspost-exercise oxygen consumption,EPOC）阶段EE、总EE均显著增加,但男女之间无显著性差异。2.随运动强度增加,男女EPOC时间显著增加,除女性125w功率自行车运动外,其它强度男女EPOC占总EE的比例基本一致,约18%。3.线性回归模型的建立:男:EE=1.3-0.024*P-0.009*H+0.008*W+0.096*ΔHR,R2=0.85。女:EE=-1.709-0.005*P-0.011*H+0.060*W+0.063*ΔHR,R2=0.85。EE（kcal/min）、P/percent body fat:体脂百分比、H/height:身高（cm）、W/Weight:体重（kg）、ΔHR:实际心率-安静心率。通过建立Bland-Altman散点图得出,残差有95%数值落在Mean±1.96SD范围内,均值0.34接近0点,方程具有较好的预测能力。BP神经网络模型的建立:模型输入指标为%HR（实际心率/安静心率）、体重、体脂百分比、身高,输出结果为EE,采用4-6-1-1-1、最大误差=1 e-7、学习率=0.01、动量=0.9,建立EE预测模型的结果为r=0.94、总均方误差=0.48、R2=0.86。通过建立Bland-Altman散点图得出,残差有95%数值落在Mean±1.96SD范围内,均值0.16接近0点,方程具有较好的预测能力。BP神经网络预测模型的MAE（0.7）、MSE（18.4）、极差（7.8）均低于线性回归方程 MAE（1.8）、MSE（35.4）、极差（8.1）。研究结论1.EE特征:在功率自行车运动中,相同运动强度下相同时间内的总EE并不具有性别差异。在三种强度下功率自行车运动时,相同运动时间,EPOC阶段的EE量增加,除125W状态下其他强度在总EE的占比变化不大。2.在功率自行车运动EE预测模型建立中,通过输入%HR、体重、体脂百分比、身高、EE建立的BP神经网络具有较高的预测精度。