Ce sont les modèles de prévision que nous fournissons.
Notre objectif est de vous fournir les données de prévision les plus précises possibles. Aucun modèle de prévision ne sera jamais parfaitement précis dans toutes les situations. En ayant accès aux meilleurs modèles de prévision au monde, vous avez la garantie d'obtenir les prévisions les plus fiables et de prendre des décisions en toute confiance.
Depuis 2008, PredictWind est le leader du marché des prévisions précises pour le secteur nautique de loisirs. Utilisant le modèle CSIRO CCAM avec 450 domaines haute résolution à travers le monde, PredictWind couvre la plupart des utilisateurs nautiques de loisirs les plus populaires au monde.
PWG : désigne le modèle météorologique propriétaire PredictWind qui utilise les conditions initiales mondiales du NCEP , traitées par le modèle CSIRO CCAM pour générer les prévisions PWG.
PWE : désigne le modèle météorologique propriétaire PredictWind qui utilise les conditions initiales mondiales de l’ ECMWF , traitées par le modèle CCAM du CSIRO, pour générer les prévisions PWE.
L'utilisation des conditions initiales de l' ECMWF et du NCEP (comparables à un instantané « photographique » contenant l'état actuel de l'atmosphère terrestre) nous permet d'exécuter nos propres modèles météorologiques mondiaux, et nous sommes la seule entreprise privée au monde à posséder cette technologie exclusive.
PW Ai : PW Ai est notre modèle d'IA PredictWind, entraîné à l'aide de nos propres jeux de données marines. Il combine les atouts d' ECMWF , d'AIFS, de Fengwu et de GraphCast pour générer une prévision unique et optimisée à l'échelle mondiale. Il fournit des prévisions horaires pour les trois premiers jours, offrant ainsi une précision temporelle supérieure à celle des autres modèles d'IA. PW Ai a démontré d'excellentes performances lors d'études de validation sur des périodes courtes et moyennes et sur de vastes zones géographiques.
État bêta : PWAi est actuellement en phase de test bêta, et cette évaluation représente la première étape de sa validation. Bien que les premiers résultats soient très encourageants, PredictWind continuera d’affiner le modèle grâce à des tests en conditions réelles et aux retours des utilisateurs.
GFS : Signifie Global Forecast System du NCEP . Ce modèle est utilisé par la plupart des autres sites web et applications météorologiques. Nous affichons désormais le modèle GFS-FV3 lorsque vous voyez l'étiquette GFS dans PredictWind. Il s'agit de la première mise à jour majeure du GFS depuis environ 40 ans. Contrairement au modèle GFS précédent, le GFS-FV3 est capable de simuler les mouvements verticaux tels que les courants ascendants, un élément clé des phénomènes météorologiques violents, avec une très haute résolution. Jusqu'à présent, les tests suggèrent que le modèle FV3 offre des prévisions à cinq jours plus précises, ainsi que de meilleures prédictions des trajectoires et de l'intensification des ouragans. Bien que le nouveau noyau FV3 ait montré des améliorations par rapport au GFS, il reste classé 3e en termes de précision, derrière ECMWF (1er) et l'UKMO (2e).
ECMWF Centre européen pour les prévisions météorologiques à moyen terme) est un modèle météorologique de référence pour les météorologues et les navigateurs de haut niveau du monde entier. ECMWF modèle à haute résolution (High RES) est régulièrement classé parmi les meilleurs modèles météorologiques mondiaux proposés par les services météorologiques nationaux, obtenant les scores les plus élevés. En mars 2016, ECMWF a porté la résolution de son modèle à un niveau record de 9 km, ce qui représente actuellement la plus haute résolution disponible pour un modèle mondial. L'acquisition des données ECMWF est très coûteuse, ce qui explique leur faible utilisation par les sites web météorologiques et leur usage traditionnel réservé aux équipes de course à la voile de haut niveau et aux météorologues.
UKMO, également connu sous le nom de « Modèle unifié » du Service météorologique britannique, jouit d'une longue réputation de leader en matière de modélisation des prévisions. Sa précision est très similaire à celle du modèle ECMWF en mer, et légèrement inférieure à celle des modèles ECMWF et Spire pour les stations météorologiques terrestres.
HRRR (High-Resolution Rapid Refresh) est un modèle atmosphérique en temps réel de la NOAA, à résolution de 3 km, mis à jour toutes les heures, prenant en compte les nuages et la convection. Initialisé par une grille de 3 km intégrant des données radar à 3 km, il ajoute des données radar toutes les 15 minutes sur une période d'une heure, complétant ainsi les données horaires du modèle HRRR (Rapid Refresh) à 13 km. Pour en savoir plus, consultez lavidéo .
NAM (North American Mesoscale Forecast System) est l'un des principaux modèles météorologiques de la NOAA, couvrant ici la majeure partie de l'Amérique du Nord. Modèle méso-échelle, NAM utilise une résolution plus fine qu'un modèle global pour modéliser les terres et d'autres caractéristiques, améliorant ainsi la précision des prévisions.
AROME est un modèle de prévision numérique à petite échelle, opérationnel à Météo-France depuis décembre 2008. Il a été conçu pour améliorer les prévisions à court terme d'événements extrêmes tels que les cévenoles (fortes précipitations méditerranéennes), les orages violents, le brouillard et les vagues de chaleur urbaines. Ce modèle est très apprécié des navigateurs de haut niveau et surpasse les prévisions ECMWF .
AIFS : est un système opérationnel de prévision météorologique développé par le Centre européen pour les prévisions météorologiques à moyen terme ( ECMWF ) qui utilise l'intelligence artificielle (IA) ou l'apprentissage automatique (AA) pour générer des prévisions météorologiques.
ICON est le modèle de prévision numérique du temps (PNT) mondial de l'Allemagne, développé par le Service météorologique allemand (DWD) en collaboration avec l'Institut Max Planck de météorologie (MPI-M). Il utilise une grille icosaédrique : la surface de la Terre est divisée en un système de grille basé sur des icosaèdres subdivisés, offrant une couverture globalement uniforme. Ceci évite les distorsions et les pertes de calcul rencontrées près des pôles avec les grilles traditionnelles de type latitude-longitude.
----------------
La comparaison des prévisions PWG/PWE permet d'évaluer le niveau de confiance dans la prévision, et l'ajout des prévisions GFS/ ECMWF /ICON/AIFS/UKMO et PW Ai porte votre confiance à un niveau supérieur.