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.
PWAi : 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.
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.
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).
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 modellen for landbaserte værstasjoner.
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.
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.
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.
---------------
Ved å sammenligne PWG/PWE-prognosene kan du måle konfidensnivået i prognosen, og å legge til GFS/ ECMWF /ICON/AIFS/UKMO og PWAi tar selvtilliten din til et nytt nivå.