Fredagen den 14 november 2025 presenterade Arnaud Monges, meteorolog på PredictWind, våra tre nya globala vädermodeller – PWAi, AIFS och ICON – och gav en teknisk översikt på hög nivå över AI-prognoser, validering, modellfysik och initialförhållanden.
📺 Titta på inspelningen
Nu kan du se hela sessionen på YouTube här:
👉YouTube-inspelning – Webinar om nya vädermodeller
Nedan svarar vi på de sju vanligaste frågorna:
1. Hur byggs vädermodeller, och vad är initialförhållanden?
Traditionella vädermodeller börjar med initialförhållanden – en detaljerad ögonblicksbild av atmosfären från satelliter, väderstationer, flygplan, bojar och radar. Modeller som GFS, ECMWF , ICON, UKMO och PW använder sedan fysikbaserade ekvationer för att simulera hur vädret kommer att utvecklas. AI-modeller som AIFS fungerar annorlunda: istället för att lösa ekvationer lär de sig mönster från enorma historiska datamängder och tillämpar den kunskapen på dagens initialförhållanden för att generera en prognos.
PredictWinds egenutvecklade PWAi-modell går ett steg längre genom att kombinera styrkorna hos ECMWF , AIFS, Fengwu och GraphCast till en enda optimerad prognos. Den erbjuder 1-timmes tidssteg för de första tre dagarna och presterar extremt bra i valideringstestning, särskilt för kort- till medellångsiktiga prognoser över större områden. PWAi är en viktig modell att jämföra inom PredictWind-sviten när man letar efter konsensus mellan olika prognoser.
2. Vilken är den bästa modellen för mitt område?
Det finns ingen gyllene regel för vilken modell som är mest exakt, eftersom prognosnoggrannheten varierar beroende på vädermönster, terräng, plats och årstid. Den mest tillförlitliga metoden är att använda modeller med högsta upplösning som finns tillgängliga och jämföra deras resultat för att se var de stämmer överens. Det är också viktigt att verifiera verkliga förhållanden genom att observera vad du ser på vattnet, kontrollera väderstationer i realtid och använda PredictWind Validation Tool. En jämförelse av flera modeller, med stöd av faktiska observationer, ger dig alltid mest säkerhet.
3. Är PWAi bättre än AIFS?
I många regioner presterar PWAi exceptionellt bra och överträffar ofta AIFS på kort sikt, tack vare sin blandning av ECMWF , AIFS, Fengwu och GraphCast för att skapa en enda optimerad prognos. AIFS är fortfarande en stark modell, särskilt för medellångsiktiga prognoser och detaljer om stormstrukturer, och båda modellerna erbjuder värdefulla insikter. Att använda dem tillsammans ger den mest tillförlitliga helhetsbilden.
4. Har AI-modeller problem med sällsynta eller extrema händelser?
AI-modeller lär sig av tidigare vädermönster, så mycket ovanliga eller exempellösa händelser kan vara svårare för dem att hantera. För typiska extrema system – som de flesta cykloner och orkaner – kan AIFS prestera bättre än traditionella fysikbaserade modeller som ECMWF . Men om en verkligt ovanlig händelse inträffar som inte är heltäckande, är det mer sannolikt att AI-modeller får problem. PWAi hjälper till att minska denna risk genom att blanda information från flera betrodda modeller, vilket resulterar i starkare prestanda under intensivt väder. Och som alltid, när extrema förhållanden är möjliga, är det bäst att jämföra AI-vägledningen med ECMWF , GFS, UKMO, ICON och PredictWind GMDSS-verktygen för att få den tydligaste helhetsbilden.
5. Var kan jag se uppdateringstiderna för prognosen för alla modeller?
Du kan se alla modelluppdateringstider direkt på både PredictWinds webbplats och app. På webbplatsen visas nästa uppdateringstid nedanför dina prognosplatser, och om du håller muspekaren över den ser du en fullständig lista över uppdateringstider för varje modell. I PredictWind-appen visas uppdateringstiderna på samma plats – nedanför dina prognosplatser på huvudmenyn och på varje prognossida – och om du trycker på det här området visas alla modelluppdateringstider. För en mer detaljerad förklaring kan du också läsa artikeln Prognosuppdateringstider här .
6. Kommer ni även att göra våg- och strömmodeller för AI?
Vi överväger att utveckla en AI-vågmodell; det är dock i ett mycket tidigt skede, och vi har ännu inte gjort en ordentlig förstudie, så vi kan inte säga om eller när det kommer att ske. Det är definitivt något vi är intresserade av.
7. Vad menar du med ”hög upplösning”?
När vi säger ”hög upplösning” menar vi hur detaljerad prognosmodellen är i rum och tid. En högupplöst modell använder ett mycket finare rutnät (till exempel cirka 1–8 km mellan datapunkter istället för tiotals kilometer) och kortare tidssteg, så att den kan ”se” mindre skalliga funktioner som havsbris, kustnära vindkröjningar, kanalbildning i kanaler och lokala byar som grövre modeller tenderar att jämna ut. I praktiken betyder det mer exakta förutsägelser av vind, regn, vågor och strömmar i de områden du faktiskt seglar i, särskilt nära kusten. Du kan lära dig mer och titta på en kort förklarande video i den här hjälpcenterartikeln här .
Vill du lära dig mer?
Utforska den kompletta kursen i marin meteorologi med djupgående artiklar, visuella guider och experttips. Perfekt för kryssare, kappseglare och väderentusiaster som vill finslipa sina prognosfärdigheter.