Det er prognosemodellene vi tilbyr.
Målet vårt er å gi deg de mest nøyaktige prognosedataene som er tilgjengelige. Én enkelt prognosemodell vil aldri være den mest nøyaktige i alle situasjoner, så ved å ha tilgang til verdens beste prognosemodeller kan du være trygg på å få den best mulige prognosen, noe som gir deg større trygghet i beslutningstaking.
PredictWind har vært markedslederen for nøyaktige prognoser i fritidsmarkedet siden 2008. Ved å bruke CSIRO CCAM-modellen med 450 høyoppløselige domener over hele verden, dekker PredictWind de mest populære brukerne av fritidsbåter i verden.
PWG: Står for PredictWinds proprietære værmodell som bruker NCEPs globale startforhold, behandlet gjennom CSIRO CCAM-modellen for å generere PWG-prognosen.
PWE: Står for PredictWinds proprietære værmodell som bruker ECMWF globale startforhold, behandlet gjennom CSIRO CCAM-modellen for å generere PWE-prognosen.
Ved å bruke ECMWF og NCEP-startbetingelsene (som kan sammenlignes med et «fotografisk» øyeblikksbilde som viser den nåværende tilstanden til jordens atmosfære) kan vi kjøre våre egne verdensomspennende værmodeller, og vi er det eneste private selskapet i verden som har denne proprietære teknologien.
PW Ai : PW Ai er vår egen PredictWind AI-modell, trent ved hjelp av våre proprietære marine datasett. Den kombinerer styrkene til ECMWF , AIFS, Fengwu og GraphCast for å generere en enkelt, optimalisert prognose som dekker hele kloden. Den gir 1-times tidssteg for de første 3 dagene, noe som gir større presisjon i tidssteg 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.
GFS: Står for 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 oppstrøms vind, 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).
ECMWF : 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.
UKMO: Også kjent som «Unified Model» av det britiske meteorologiske kontoret, har et langt rykte som markedsleder innen prognosemodellering. UKMO har svært lik nøyaktighet som ECMWF modellen til havs, og ligger litt bak ECMWF og Spire-modellene for landbaserte værstasjoner.
HRRR: Står for High-Resolution Rapid Refresh og er en NOAA-sanntidsmodell med 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 den timesbaserte dataassimileringen fra den 13 km radarforsterkede Rapid Refresh. For å lære mer, sevideoen .
NAM: Står for North American Mesoscale Forecast System og 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.
AROME: Er en småskala numerisk prediksjonsmodell som har vært i drift 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.
AIFS: er et operativt værvarslingssystem utviklet av European Centre for Medium-Range Weather Forecasting ( ECMWF ) som bruker kunstig intelligens (KI) eller maskinlæring (ML) for å generere værvarsler.
ICON: er 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.
---------------
Ved å sammenligne PWG/PWE-prognosene kan du måle konfidensnivået i prognosen, og å legge til GFS/ ECMWF /ICON/AIFS/UKMO og PW Ai tar selvtilliten din til et nytt nivå.