PWAi
Evaluationsstudie
Veröffentlicht: 31 Oct, 2025
Einleitung
Das PredictWind-AI-Modell, bekannt als PWAi, ist ein neuer Ansatz für die globale Wettervorhersage, der fortschrittliches Machine Learning mit der bewährten Zuverlässigkeit physikbasierter Modelle kombiniert.
Diese Bewertung vergleicht PWAi mit zwei führenden globalen Modellen, AIFS und ECMWF, anhand des ERA5-Datensatzes von ECMWF über wichtige Wettervariablen wie Wind, Druck, Temperatur und Niederschlag. Die Ergebnisse zeigen, dass PWAi auf einem sehr hohen Niveau arbeitet und diese etablierten Referenzwerte in den meisten Bereichen erreicht oder übertrifft. Es erfasst feine Zeitskalen-Effekte besser und behält über mehrere Vorhersagetage hinweg eine hohe Genauigkeit bei.
Diese Studie markiert die erste Phase bei der Validierung des PWAi-Modells, das durch den realen Einsatz weiter verfeinert und getestet wird, um Genauigkeit und Leistung im Laufe der Zeit weiter zu verbessern.
Über alle Parameter hinweg schneidet PWAi gleich gut oder besser als ECMWF und AIFS ab, insbesondere bei Vorhersagen bis zu fünf Tagen im Voraus. Das bedeutet, dass PredictWind-Nutzer für die Planung im kurz- bis mittelfristigen Bereich genaue Daten von PWAi erwarten können.
Der Vergleich umfasst:
10m wind speed and direction - die Windstärke und den Winkel, in dem er in der standardisierten Messhöhe von 10 Metern weht, die in Wettermodellen verwendet wird.
Mean sea level pressure (MSLP) - der auf Meereshöhe reduzierte Luftdruck, der die Position und Stärke von Wettergebieten wie Hoch- und Tiefdruckgebieten definiert.
2m temperature - die Lufttemperatur, gemessen zwei Meter über der Oberfläche, dem Standardniveau für Vorhersagen und Beobachtungen.
Total precipitation - der gesamte Niederschlag bzw. die Feuchtigkeit, die über einen bestimmten Zeitraum fällt, wichtig für Sichtweite und Böenprognosen.
ERA5 - ECMWFs hochmodernes Reanalyse-Dataset, das Beobachtungen und Modellierung kombiniert, um den Goldstandard für historische Wetterdaten bereitzustellen.
Die Ergebnisse werden anhand statistischer Kennzahlen wie RMSE (root mean square error) bewertet, der die durchschnittliche Größe von Vorhersagefehlern zeigt. Niedrigere RMSE-Werte weisen auf ein genaueres Modell hin.
10m Windrichtung (RMSE)
PWAi zeigt über den gesamten Zeitraum kleinere Fehler bei der Windrichtung, mit einem deutlichen Anstieg der Richtungsgenauigkeit, je weiter die Vorhersage in die Zukunft reicht.
10m wind direction
10m Windgeschwindigkeit (RMSE)
PWAi ist bei der Windgeschwindigkeit ähnlich oder leicht besser als AIFS und besser als ECMWF.
10m wind speed
Mittlerer Luftdruck auf Meereshöhe
PWAi übertrifft ECMWF und AIFS bei der Vorhersage des Oberflächendrucks einige Tage im Voraus.
Mean sea level pressure
2m-Temperatur und Gesamtniederschlag
Alle drei Modelle liegen im Allgemeinen nahe beieinander, aber die Genauigkeit von Temperatur und Niederschlag steigt bei PWAi mit der Zeit.
2m temperature
Total precipitation 6hr
Beta-Status
PWAi befindet sich derzeit in der Betatestphase, und diese Bewertung stellt die erste Phase seiner Validierung dar. Auch wenn die ersten Ergebnisse sehr ermutigend sind, wird PredictWind das Modell durch Praxistests und Nutzerfeedback weiter verfeinern.
Das Ziel ist es, die Genauigkeit und Konsistenz von PWAi weiter zu verbessern, sobald mehr Daten und Feldvergleiche verfügbar sind.