Dessa är de prognosmodeller som finns tillgängliga i PredictWind.

Vårt mål är att ge dig tillgång till den mest exakta prognosdata som finns tillgänglig. Ingen enskild prognosmodell kommer att vara den mest exakta i varje situation, så att jämföra flera ledande prognosmodeller kan ge dig större förtroende för din prognos och 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 är PredictWinds egenutvecklade vädermodell som använder NCEP: s globala initialförhållanden, bearbetade genom CSIRO CCAM-modellen för att generera PWG-prognosen.

PWE är PredictWinds egenutvecklade vädermodell som använder ECMWF s globala initialförhållanden, bearbetade genom CSIRO CCAM-modellen för att generera PWE-prognosen.

ECMWF och NCEP:s initialförhållanden ger en "fotografisk ögonblicksbild" av jordens atmosfärs nuvarande tillstånd. Vi använder dessa initialförhållanden för att köra våra egna proprietära vädermodeller över hela världen, med hjälp av teknik som är unik för PredictWind inom den privata väderprognossektorn.

PWAi är PredictWinds egenutvecklade AI-drivna globala prognosmodell. Den kombinerar information från ECMWF , AIFS, Fengwu och GraphCast för att generera en enda optimerad prognos som täcker hela världen.

PWAi tillhandahåller tidssteg på 1 timme för de första tre dagarna och presterar särskilt bra i valideringsstudier över korta till medellånga prognosperioder och i större områden.

Du kan se denna utvärdering som representerar den första fasen av dess validering. Resultaten är mycket uppmuntrande och PredictWind kommer att fortsätta förfina modellen genom verkliga tester och användarfeedback.

ECMWF står för European Centre for Medium-Range Weather Forecasts . Dess globala prognosmodell har en upplösning på 9 km och är högt ansedd av meteorologer och professionella navigatörer runt om i världen. Den presterar konsekvent starkt i global prognosverifiering och är den enda globala prognosmodellen som är tillgänglig med denna höga upplösning.

GFS står för Global Forecast System och produceras av US National Centers for Environmental Prediction (NCEP). GFS är en global numerisk väderprognosmodell och används flitigt av vädertjänster, webbplatser och applikationer runt om i världen. Vi visar GFS-FV3-modellen när du ser GFS-etiketten i PredictWind.

GFS-FV3 kan simulera vertikala rörelser som uppåtgående vindar, en viktig del av hårt väder, med mycket hög upplösning. Tester tyder 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).

UKMO hänvisar till den globala prognosmodellen som produceras av UK Met Office . Även känd som Unified Model, har den ett långvarigt rykte som en av världens ledande globala vädermodeller.

ICON är Tysklands globala numeriska väderprognosmodell (NWP), utvecklad av den tyska vädertjänsten (DWD) i samarbete med Max Planck-institutet för meteorologi (MPI-M).

ICON använder ett ikosaedriskt rutnät som ger ungefär jämn täckning över hela jordklotet. Detta hjälper till att undvika en del av den distorsion och beräkningsineffektivitet som kan uppstå nära polerna med traditionella latitud-longitudrutnät.

AIFS är ett AI-baserat globalt väderprognossystem som utvecklats av European Centre for Medium-Range Weather Forecasts ( ECMWF ) .

Den använder artificiell intelligens och maskininlärning för att generera globala prognoser och presterar särskilt bra till havs, genom att fånga storskaliga vädermönster på medellång till lång sikt.

HRRR står för High-Resolution Rapid Refresh . Det är NOAA:s 3 km långa högupplösta vädermodell som täcker det sammanhängande USA och uppdateras varje timme för att ge detaljerade kortsiktiga prognoser.

HRRR använder radarobservationer och är utformad för att fånga småskaliga och snabbt utvecklande vädersystem. För mer information, se den härvideon .

NAM står för North American Mesoscale Forecast System och är en av NOAA:s regionala vädermodeller som täcker Nordamerika.

Som en mesoskalamodell kan NAM representera land och andra geografiska särdrag med högre upplösning än många globala modeller, vilket ger mer detaljerade regionala prognoser.

AROME är en högupplöst regional numerisk väderprognosmodell utvecklad av Météo-France. Den är utformad för detaljerade kortsiktiga prognoser och är särskilt användbar för att prognostisera mindre väderförhållanden och svåra väderhändelser såsom intensiv Medelhavsnederbörd (Cévenole-händelser).

Att jämföra prognoser från flera modeller kan hjälpa dig att bedöma prognostillförlitligheten. När olika modeller visar liknande förhållanden är tillförlitligheten i prognosen generellt högre. När de skiljer sig avsevärt är det värt att övervaka efterföljande prognosuppdateringar och beakta de olika möjliga förhållandena.

När du tittar på PredictWind-prognostabellerna, fälls menyn som innehåller de olika prognosvariablerna ihop när du bläddrar igenom prognosdagarna. Detta gör att fler prognostidssteg kan visas på skärmen.

När menyn är hopfälld förkortas prognosmodellernas namn:

För att visa de fullständiga modellnamnen igen, svep hela vägen tillbaka åt vänster.