Det är de prognosmodeller vi tillhandahåller.
Vårt mål är att ge dig den mest exakta prognosdata som finns tillgänglig. En enda prognosmodell kommer aldrig att vara den mest exakta i alla situationer, så genom att ha tillgång till världens bästa prognosmodeller kan du vara säker på att få bästa möjliga prognos, vilket ger dig större förtroende i ditt beslutsfattande.
PredictWind har varit marknadsledande för noggranna prognoser på fritidsmarknaden sedan 2008. Med hjälp av CSIRO CCAM-modellen med 450 högupplösta domäner runt om i världen täcker PredictWind de mest populära användarna av fritidsbåtar i världen.
PWG: Står för PredictWinds egenutvecklade vädermodell som använder NCEP:s globala initialförhållanden, bearbetade genom CSIRO CCAM-modellen för att generera PWG-prognosen.
PWE: Står för PredictWinds egenutvecklade vädermodell som använder ECMWF s globala initialförhållanden, bearbetade genom CSIRO CCAM-modellen för att generera PWE-prognosen.
Genom att använda ECMWF och NCEP:s initialförhållanden (som är jämförbara med en "fotografisk" ögonblicksbild som visar det aktuella tillståndet i jordens atmosfär) kan vi köra våra egna globala vädermodeller, och vi är det enda privata företaget i världen som har denna patentskyddade teknik.
PW Ai : PW Ai är vår egen PredictWind AI-modell, tränad med hjälp av våra egna marina dataset. Den kombinerar styrkorna hos ECMWF , AIFS, Fengwu och GraphCast för att generera en enda, optimerad prognos som täcker hela världen. Den ger 1-timmes tidssteg för de första 3 dagarna, vilket ger större precision i tidssteg än andra AI-modeller. PWAi presterar mycket bra i valideringsstudier över korta till medellånga perioder i större områden.
Betastatus: PWAi är för närvarande i betatestning, och denna utvärdering representerar den första fasen av dess validering. Även om de första resultaten är mycket uppmuntrande kommer PredictWind att fortsätta förfina modellen genom verkliga tester och användarfeedback.
GFS: Står för Global Forecast System från NCEP . Detta används av de flesta andra väderwebbplatser/appar. Vi visar nu GFS-FV3-modellen när du ser GFS-etiketten i PredictWind. Det är den första betydande uppgraderingen av GFS på cirka 40 år. Till skillnad från den tidigare GFS-modellen kan GFS-FV3 simulera vertikala rörelser som uppåtgående vindar, en viktig komponent i hårt väder, med mycket hög upplösning. Hittills tyder tester på att FV3-modellen har mer exakta femdagarsprognoser, samt bättre förutsägelser av orkanspår och intensifiering. Även om den nya FV3-kärnan har visat förbättringar jämfört med GFS, rankas den fortfarande som nummer 3 i noggrannhet efter ECMWF (1:a) och UKMO (2:a).
ECMWF : Står för European Center for Medium-Range Weather Forecasts och är högt ansedd av meteorologer och ledande navigatörer runt om i världen. ECMWF High RES-modellen rankas konsekvent som den bästa globala vädermodellen från en nationell vädertjänst med de högsta betygen. I mars 2016 ökade ECMWF upplösningen på sin modell till rekordhöga 9 km, vilket för närvarande är den globala modellen med högsta upplösning som finns tillgänglig. ECMWF -data har en mycket hög anskaffningskostnad, och det är därför informationen inte används i stor utsträckning av många väderwebbplatser, och traditionellt har den endast använts av toppkappseglingslag och meteorologer.
UKMO: Även känd som "Unified Model" av UK Meteorological Office har ett långt rykte som marknadsledare inom prognosmodellering. UKMO har mycket likartad noggrannhet som ECMWF modellen till havs, och ligger något efter ECMWF och Spire-modellerna för landbaserade väderstationer.
HRRR: Står för High-Resolution Rapid Refresh och är en NOAA-modell med realtidsupplösning på 3 km, timvis uppdaterad, molnupplösande, konvektionskänslig atmosfärsmodell, initierad av 3 km-rutnät med 3 km radarassimilering. Radardata assimileras i HRRR var 15:e minut under en 1-timmarsperiod, vilket ger ytterligare detaljer utöver de som tillhandahålls av den timvisa dataassimileringen från den 13 km radarförstärkta Rapid Refresh. För att lära dig mer, sevideon .
NAM: Står för North American Mesoscale Forecast System och är en av NOAA:s viktigaste vädermodeller, som i detta fall täcker större delen av Nordamerika. NAM är en mesoskalamodell, vilket innebär att den numeriska analysen kan modellera land och andra objekt med högre upplösning än i en global modell, vilket leder till förbättrad prognosnoggrannhet.
AROME: Är en småskalig numerisk prediktionsmodell som varit i drift hos Meteo-France sedan december 2008. Den utformades för att förbättra kortsiktiga prognoser för allvarliga händelser såsom intensiv Medelhavsnederbörd (Cévenole-händelser), kraftiga stormar, dimma och stadsvärme under värmeböljor. Denna modell är högt ansedd av toppnavigatörer och överträffar ECMWF s prognos.
AIFS: är ett operativt väderprognossystem utvecklat av European Centre for Medium-Range Weather Forecasting ( ECMWF ) som använder artificiell intelligens (AI) eller maskininlärning (ML) för att generera väderprognoser.
ICON: är Tysklands globala numeriska väderprognosmodell (NWP), utvecklad av den tyska vädertjänsten (DWD) i samarbete med Max Planck-institutet för meteorologi (MPI-M). Den använder ett ikosaedriskt rutnät: jordens yta är uppdelad i ett rutnätssystem baserat på underindelade ikosaedrar, vilket ger en ungefär jämn täckning globalt. Detta undviker den distorsion och beräkningsineffektivitet som uppstår nära polerna i traditionella latitud-longitud-rutnät.
---------------
Genom att jämföra PWG/PWE-prognoserna kan du bedöma konfidensnivån i prognosen, och om du lägger till GFS/ ECMWF /ICON/AIFS/UKMO och PW Ai tar du ditt självförtroende till en ny nivå.