Fredag 14. november 2025 introduserte Arnaud Monges, meteorolog i PredictWind, våre tre nye globale værmodeller – PWAi, AIFS og ICON – og ga en teknisk oversikt på høyt nivå over AI-prognoser, validering, modellfysikk og startforhold.
📺 Se opptaket
Du kan nå se hele økten på YouTube her:
👉YouTube-opptak – Webinar om nye værmodeller
Nedenfor svarer vi på de syv vanligste spørsmålene:
1. Hvordan bygges værmodeller, og hva er startforhold?
Tradisjonelle værmodeller starter med startforhold – et detaljert øyeblikksbilde av atmosfæren fra satellitter, værstasjoner, fly, bøyer og radar. Modeller som GFS, ECMWF , ICON, UKMO og PW bruker deretter fysikkbaserte ligninger for å simulere hvordan været vil utvikle seg. AI-modeller som AIFS fungerer annerledes: i stedet for å løse ligninger, lærer de mønstre fra enorme historiske datasett og anvender den kunnskapen på dagens startforhold for å generere en prognose.
PredictWinds proprietære PWAi-modell går et skritt videre ved å kombinere styrkene til ECMWF , AIFS, Fengwu og GraphCast i én optimalisert prognose. Den tilbyr tidssteg på 1 time for de tre første dagene og yter ekstremt bra i valideringstesting, spesielt for kort- til mellomlangsiktige prognoser over større områder. PWAi er en viktig modell å sammenligne innenfor PredictWind-pakken når man ser etter konsensus på tvers av ulike prognoser.
2. Hva er den beste modellen for mitt område?
Det finnes ingen gyllen regel for hvilken modell som vil være mest nøyaktig, ettersom prognosenøyaktigheten varierer med værmønstre, terreng, plassering og årstid. Den mest pålitelige metoden er å bruke modellene med høyest mulig oppløsning og sammenligne resultatene for å se hvor de stemmer overens. Det er også viktig å verifisere forhold i den virkelige verden ved å observere det du ser på vannet, sjekke værstasjoner i sanntid og bruke PredictWind Validation Tool. En sammenligning av flere modeller, støttet av faktiske observasjoner, vil alltid gi deg mest mulig trygghet.
3. Er PWAi bedre enn AIFS?
I mange regioner presterer PWAi eksepsjonelt bra og overgår ofte AIFS på kort sikt, takket være blandingen av ECMWF , AIFS, Fengwu og GraphCast for å lage én optimalisert prognose. AIFS er fortsatt en sterk modell, spesielt for mellomlangsiktige prognoser og detaljer om stormstrukturer, og begge modellene gir verdifull innsikt. Å bruke dem sammen gir det mest pålitelige helhetsbildet.
4. Sliter AI-modeller med sjeldne eller ekstreme hendelser?
AI-modeller lærer av tidligere værmønstre, så svært uvanlige eller enestående hendelser kan være vanskeligere for dem å håndtere. For typiske ekstreme systemer – som de fleste sykloner og orkaner – kan AI-modeller som AIFS yte bedre enn tradisjonelle fysikkbaserte modeller som ECMWF . Men hvis en virkelig uvanlig hendelse utenfor distribusjon inntreffer, er det mer sannsynlig at AI-modeller vil slite. PWAi bidrar til å redusere denne risikoen ved å blande informasjon fra flere pålitelige modeller, noe som resulterer i sterkere ytelse under intenst vær. Og som alltid, når ekstreme forhold er mulige, er det best å sammenligne AI-veiledningen med ECMWF , GFS, UKMO, ICON og PredictWind GMDSS-verktøyene for å få et klarest mulig helhetsbilde.
5. Hvor kan jeg se oppdateringstidene for prognosen for alle modellene?
Du kan se alle modelloppdateringstider direkte på både PredictWind-nettstedet og -appen. På nettstedet vises neste oppdateringstidspunkt under prognosestedene dine, og hvis du holder musepekeren over det, vil du se hele listen over oppdateringstider for hver modell. I PredictWind-appen vises oppdateringstidspunktene på samme sted – under prognosestedene dine på hovedmenyen og på hver prognoseside – og hvis du trykker på dette området, vises alle modelloppdateringstider. For en dypere forklaring kan du også se artikkelen om prognoseoppdateringstider her .
6. Vil dere også lage bølge- og strømmodeller for AI?
Vi vurderer å utvikle en AI-bølgemodell; det er imidlertid i en veldig tidlig fase, og vi har ennå ikke gjennomført en skikkelig mulighetsstudie, så vi kan ikke si om eller når det vil skje. Det er definitivt noe vi er interessert i.
7. Hva mener du med «høy oppløsning»?
Når vi sier «høy oppløsning», snakker vi om hvor detaljert prognosemodellen er i rom og tid. En modell med høy oppløsning bruker et mye finere rutenett (for eksempel rundt 1–8 km mellom datapunkter i stedet for titalls kilometer), og kortere tidssteg, slik at den kan «se» mindre skalaer som sjøbris, kystvindsvinger, kanaler og lokale vindkast som grovere modeller har en tendens til å jevne ut. I praksis betyr det mer presise prediksjoner av vind, regn, bølger og strømmer i områdene du faktisk seiler i, spesielt nær kysten. Du kan lære mer og se en kort forklarende video i denne hjelpesenterartikkelen her .
Vil du lære mer?
Utforsk det komplette kurset i marin meteorologi med dyptgående artikler, visuelle guider og eksperttips. Perfekt for cruisere, racerseilere og værentusiaster som ønsker å skjerpe sine prognoseferdigheter.