Står for PredictWinds proprietære værmodell som bruker NCEPs globale startforhold, behandlet gjennom CSIRO CCAM-modellen for å generere PWG-prognosen.

PredictWinds proprietære værmodell som bruker ECMWF globale startforhold, behandlet gjennom CSIRO CCAM-modellen for å generere PWE-prognosen.

PredictWind er det eneste private selskapet i verden med denne proprietære teknologien som genererer prognoser ned til 1 km oppløsning for populære områder rundt om i verden. Prognosene med 1 km oppløsning går ut i 36 timer, og scorer høyt i nøyaktighetspoengene ved hjelp av valideringsverktøyet.

Vår proprietære AI-drevne modell representerer det viktigste gjennombruddet innen prognoser noensinne hos PredictWind. PWAi kombinerer styrkene til ECMWF (høy oppløsning), AIFS, Fengwu og GraphCast for å generere én enkelt, optimalisert prognose som dekker hele kloden. Den gir tidssteg på 1 time for de første 3 dagene, og tilbyr større tidsmessig presisjon enn andre AI-modeller. PWAi presterer svært godt i valideringsstudier over korte til mellomlange perioder i større områder.

Betastatus: PWAi er for tiden i betatesting, og denne evalueringen representerer den første fasen av valideringen. Selv om de tidlige resultatene er svært oppmuntrende, vil PredictWind fortsette å forbedre modellen gjennom testing i den virkelige verden og tilbakemeldinger fra brukere.

Står for European Center for Medium-Range Weather Forecasts og er høyt ansett av meteorologer og ledende navigatører over hele verden. ECMWF High RES-modellen rangerer konsekvent som den beste globale værmodellen fra en nasjonal værtjeneste med de høyeste vurderingspoengene. I mars 2016 økte ECMWF oppløsningen på modellen sin til en rekordbrytende oppløsning på 9 km, som for tiden er den globale modellen med høyest oppløsning som er tilgjengelig. ECMWF -data har en svært høy anskaffelseskostnad, og det er derfor dataene ikke er mye brukt av mange værnettsteder, og har tradisjonelt bare blitt brukt av topp seilbåtlag og meteorologer.

AIFS er utviklet av ECMWF og er deres neste generasjons AI-drevne modell. AIFS-modellen bruker avansert AI for å levere rettidige og nøyaktige globale prognoser. Den fungerer spesielt bra offshore, og fanger opp storskala værmønstre på mellomlang til lang sikt.

Global Forecast System fra NCEP . Dette brukes av de fleste andre værnettsteder/apper. Vi viser nå GFS-FV3-modellen når du ser GFS-etiketten i PredictWind. Det er den første betydelige oppgraderingen til GFS på omtrent 40 år. I motsetning til den forrige GFS-modellen, kan GFS-FV3 simulere vertikale bevegelser som oppstrømsvind, en nøkkelkomponent i uvær, med svært høy oppløsning. Så langt tyder tester på at FV3-modellen har mer nøyaktige femdagersprognoser, samt bedre prediksjoner av orkanbaner og intensivering. Selv om den nye FV3-kjernen har vist forbedringer i forhold til GFS, er den fortsatt rangert som nummer 3 for nøyaktighet bak ECMWF (1. plass) og UKMO (2. plass).

Også kjent som «Unified Model» av det britiske meteorologiske kontoret, har den et langt rykte som markedsleder innen prognosemodellering. UKMO har svært lik nøyaktighet som ECMWF modellen til havs, og ligger litt bak ECMWF modellene for landbaserte værstasjoner.

Høyoppløselig hurtigoppdatering er en NOAA-sanntids 3 km oppløsning, timesbasert, skyoppløsende, konveksjonsaktiverende atmosfærisk modell, initialisert av 3 km rutenett med 3 km radarassimilering. Radardata assimileres i HRRR hvert 15. minutt over en 1-times periode, og legger til ytterligere detaljer i tillegg til det som gis av timebasert dataassimilering fra den 13 km radarforsterkede hurtigoppdateringen. For å lære mer, sevideoen .

Det nordamerikanske mesoskala-prognosesystemet er en av NOAAs viktigste værmodeller, som i dette tilfellet dekker mesteparten av Nord-Amerika. NAM er en mesoskalamodell, som betyr at den numeriske analysen er i stand til å modellere land og andre elementer med høyere oppløsning enn i en global modell, noe som fører til forbedret prognosenøyaktighet.

En småskala numerisk prediksjonsmodell, operativ hos Meteo-France siden desember 2008. Den ble utviklet for å forbedre kortsiktige prognoser for alvorlige hendelser som intens middelhavsnedbør (Cevenole-hendelser), kraftige stormer, tåke og byvarme under hetebølger. Denne modellen er høyt ansett av toppnavigatører og slår ECMWF prognosen.

Tysklands globale numeriske værvarslingsmodell (NWP), utviklet av den tyske værtjenesten (DWD) i samarbeid med Max Planck-instituttet for meteorologi (MPI-M). Den bruker et ikosaedrisk rutenett: jordoverflaten er delt inn i et rutenettsystem basert på underinndelte ikosaedre, noe som gir omtrent jevn dekning globalt. Dette unngår forvrengningen og beregningsineffektiviteten som man opplever nær polene i tradisjonelle breddegrad-lengdegrad-rutenett.

SPIRE-prognosen er fjernet fra PredictWind fra og med oktober 2025, ettersom modellen som brukes, SOF-D, avvikles av SPIRE.

Avhengig av typen og volumet av data som kreves for å fylle ut et gitt kart eller en gitt tabell, varierer dette avhengig av værmodell, parameter og app/værmeldingsnettsted.

Tabellen nedenfor oppsummerer værmodellene som er tilgjengelige etter parameter og app:

Nettsted - PredictWind-prognosenettsted

PWA - PredictWind-appen

OA - Offshore-app

Vær oppmerksom på at de nøyaktige oppdateringstidene kan variere noe på grunn av variasjoner i levering av kildedata og inntaksprosessen.