Significa PredictWind, el modelo meteorológico propietario que utiliza las condiciones iniciales globales del NCEP , procesadas a través del modelo CSIRO CCAM para generar el pronóstico PWG.

El modelo meteorológico patentado de PredictWind utiliza las condiciones iniciales globales ECMWF , procesadas a través del modelo CSIRO CCAM para generar el pronóstico PWE.

PredictWind es la única empresa privada del mundo con esta tecnología patentada que genera pronósticos con una resolución de hasta 1 km para las zonas más populares del planeta. Estos pronósticos, con una resolución de 1 km, tienen una duración de hasta 36 horas y obtienen una alta puntuación en las pruebas de precisión realizadas con la herramienta de validación.

Nuestro modelo patentado con inteligencia artificial representa el avance más importante en pronósticos meteorológicos hasta la fecha en PredictWind. PWAi combina las ventajas de ECMWF (alta resolución), AIFS, Fengwu y GraphCast para generar un pronóstico único y optimizado que cubre todo el planeta. Proporciona intervalos de tiempo de 1 hora durante los primeros 3 días, ofreciendo una mayor precisión temporal que otros modelos de IA. PWAi obtiene excelentes resultados en estudios de validación a corto y medio plazo en áreas de gran extensión.

ECMWF (Centro Europeo de Previsiones Meteorológicas a Medio Plazo) es una institución de gran prestigio entre meteorólogos y navegantes de élite de todo el mundo. Su modelo de alta resolución (High RES) se sitúa sistemáticamente como el mejor modelo meteorológico global de los servicios meteorológicos nacionales, obteniendo las puntuaciones más altas. En marzo de 2016, ECMWF aumentó la resolución de su modelo hasta alcanzar un récord de 9 km, convirtiéndose así en el modelo global de mayor resolución disponible actualmente. El coste de adquisición de los datos ECMWF es muy elevado, razón por la cual no son ampliamente utilizados por muchos sitios web meteorológicos y, tradicionalmente, solo los han empleado equipos de regatas de yates de alto nivel y meteorólogos.

Desarrollado por ECMWF , el AIFS es su modelo de inteligencia artificial de última generación. Este modelo utiliza inteligencia artificial avanzada para ofrecer pronósticos globales precisos y oportunos. Su rendimiento es especialmente bueno en alta mar, ya que captura patrones meteorológicos a gran escala a medio y largo plazo.

Sistema Global de Pronóstico del NCEP . Este sistema lo utilizan la mayoría de las demás páginas web y aplicaciones meteorológicas. Ahora mostramos el modelo GFS-FV3 cuando aparece la etiqueta GFS en PredictWind. Se trata de la primera actualización significativa del GFS en aproximadamente 40 años. A diferencia del modelo GFS anterior, el GFS-FV3 puede simular movimientos verticales, como las corrientes ascendentes (un componente clave del clima severo), con una resolución muy alta. Hasta el momento, las pruebas sugieren que el modelo FV3 ofrece pronósticos a cinco días más precisos, así como mejores predicciones de las trayectorias e intensificación de los huracanes. Si bien el nuevo núcleo del FV3 ha mostrado mejoras con respecto al GFS, aún ocupa el tercer lugar en precisión, por detrás ECMWF (primero) y el UKMO (segundo).

El modelo unificado de la Oficina Meteorológica del Reino Unido (UKMO) goza de una larga trayectoria como líder en el mercado de la modelización de pronósticos. Su precisión es muy similar a la del modelo ECMWF para alta mar, aunque se sitúa ligeramente por detrás de ECMWF para las estaciones meteorológicas terrestres.

El modelo HRRR (High-Resolution Rapid Refresh) es un modelo atmosférico de la NOAA con resolución de nubes, actualización horaria, resolución de nubes y que permite la convección. Se inicializa con cuadrículas de 3 km y asimilación de datos de radar de 3 km. Los datos de radar se asimilan en el HRRR cada 15 minutos durante un período de 1 hora, lo que añade mayor detalle a la información proporcionada por la asimilación horaria de datos del modelo Rapid Refresh mejorado con radar de 13 km. Para obtener más información, consulte elvídeo .

El Sistema Norteamericano de Predicción Mesoescalar (NAM) es uno de los principales modelos meteorológicos de la NOAA, que en este caso abarca la mayor parte de Norteamérica. NAM es un modelo mesoescalar, lo que significa que su análisis numérico permite modelar la tierra y otros accidentes geográficos con una resolución mayor que la de un modelo global, mejorando así la precisión de los pronósticos.

Se trata de un modelo numérico de predicción a pequeña escala, operativo en Meteo-France desde diciembre de 2008. Fue diseñado para mejorar los pronósticos a corto plazo de fenómenos meteorológicos extremos como precipitaciones intensas en el Mediterráneo (eventos Cévenole), tormentas severas, niebla y olas de calor urbanas. Este modelo goza de gran prestigio entre los mejores navegantes de regatas y supera el pronóstico ECMWF .

El modelo global de predicción numérica del tiempo (PNT) de Alemania, desarrollado por el Servicio Meteorológico Alemán (DWD) en colaboración con el Instituto Max Planck de Meteorología (MPI-M), utiliza una malla icosaédrica: la superficie terrestre se divide en un sistema de cuadrícula basado en icosaedros subdivididos, lo que proporciona una cobertura global prácticamente uniforme. Esto evita la distorsión y las ineficiencias computacionales que se presentan cerca de los polos en las mallas tradicionales de latitud y longitud.

La previsión SPIRE se eliminará de PredictWind a partir de octubre de 2025, ya que el modelo utilizado, SOF-D, está siendo descontinuado por SPIRE.

Dependiendo de la naturaleza y el volumen de datos necesarios para completar un mapa o tabla determinados, esto varía según el modelo meteorológico, el parámetro y la aplicación/sitio web de pronóstico.

La siguiente tabla resume los modelos meteorológicos disponibles por parámetro y por aplicación:

Sitio web - Sitio web de pronósticos de PredictWind

PWA - Aplicación PredictWind

OA - Aplicación Offshore

Tenga en cuenta que los tiempos de actualización exactos pueden variar ligeramente debido a variaciones en la entrega de los datos de origen y en el proceso de ingesta.