Актуальность. Создание целостной математической теории спортивной тренировки остается актуальной задачей спортивной науки. Подход Виктора Николаевича Селуянова, основанный на компартментальном моделировании, представляет собой уникальную попытку описания адаптационных процессов на всех уровнях организма — от клеточного до системного. Несмотря на прогностический потенциал, его комплексные модели не получили широкого распространения и требуют систематического анализа. Цель систематизировать, восстановить и критически проанализировать иерархическую систему математических моделей краткосрочной и долгосрочной адаптации к тренировочным нагрузкам, разработанную В.Н. Селуяновым, оценив их внутреннюю согласованность, предсказательную способность и области применения. Методы. Исследование основано на анализе и реконструкции математических моделей из работ В.Н. Селуянова. Восстановлены системы обыкновенных дифференциальных уравнений, описывающих краткосрочную адаптацию (биоэнергетика мышцы, транспорт газов) и долгосрочную адаптацию (эндокринная, иммунная, мышечная, пищеварительная системы). Численное моделирование выполнено в среде MATLAB с использованием решателей для жестких систем. Результаты. В работе систематизирована иерархия моделей Селуянова. Модель краткосрочной адаптации качественно воспроизводит ключевые физиологические реакции на нагрузку: динамику креатинфосфата и АТФ, накопление лактата, изменения сердечно-сосудистых и дыхательных показателей. Модель долгосрочной адаптации демонстрирует нелинейную динамику роста миофибрилл и митохондрий, а также влияние гормонального и иммунного статуса на структурные изменения. Показано, что режим нагрузки 70% от максимальной преимущественно стимулирует силовую, а не аэробную адаптацию. Заключение. Теоретический подход В.Н. Селуянова представляет собой внутренне непротиворечивую математическую теорию адаптации в спорте, обладающую значительным прогностическим и образовательным потенциалом. Восстановленные модели позволяют перейти от эмпирического планирования тренировок к прогнозу на основе имитационного моделирования. Основные ограничения связаны с большим количеством эмпирических коэффициентов, требующих индивидуальной калибровки, и рядом упрощающих допущений. Тем не менее, данный подход сохраняет актуальность для разработки персонализированных тренировочных программ и систем поддержки принятия решений в спорте высших достижений.