PWAi
Estudio de evaluación
Publicado: 31 oct 2025
Introducción
El modelo de IA de PredictWind, conocido como PWAi, es un nuevo enfoque para la predicción meteorológica global que combina el aprendizaje automático avanzado mientras aprovecha la confiabilidad comprobada de los modelos basados en física.
Esta evaluación compara PWAi con dos modelos globales líderes, AIFS y ECMWF, con el conjunto de datos ERA5 de ECMWF en variables meteorológicas clave que incluyen viento, presión, temperatura y precipitación. Los resultados muestran que PWAi funciona a un nivel muy alto, igualando o mejorando estos puntos de referencia establecidos en la mayoría de las áreas. Captura mejor los efectos en escalas de tiempo finas y mantiene una fuerte precisión a lo largo de múltiples días de pronóstico.
Este estudio marca la primera etapa en la validación del modelo PWAi, que continuará siendo refinado y probado a través del uso en el mundo real para mejorar aún más la precisión y el rendimiento con el tiempo.
En todos los parámetros, PWAi funciona a la par o mejor que ECMWF y AIFS, particularmente para pronósticos de hasta cinco días. Esto significa que los usuarios de PredictWind pueden esperar datos precisos de PWAi para planificación a corto y medio plazo.
La comparación incluye:
Velocidad y dirección del viento a 10 m - la fuerza del viento y el ángulo en que sopla a la altura de medición estándar de 10 metros utilizada en los modelos meteorológicos.
Presión media al nivel del mar (MSLP) - la presión del aire reducida al nivel del mar, que define la posición y la fuerza de los sistemas meteorológicos como las altas y bajas presiones.
Temperatura a 2 m - la temperatura del aire medida a dos metros sobre la superficie, que es el nivel estándar utilizado en pronósticos y observaciones.
Precipitación total - la lluvia o humedad combinada que cae durante un período determinado, importante para la visibilidad y la predicción de chubascos.
ERA5 - El conjunto de datos de reanálisis de última generación de ECMWF, que combina observaciones y modelado para proporcionar el estándar de oro para datos meteorológicos históricos.
Los resultados se evalúan utilizando medidas estadísticas como RMSE (error cuadrático medio), que muestra el tamaño promedio de los errores de pronóstico. Valores más bajos de RMSE indican un modelo más preciso.
Dirección del viento a 10 m (RMSE)
PWAi muestra errores más pequeños en todo el rango de tiempo para la dirección del viento, con un aumento dramático en la precisión de la dirección a medida que el pronóstico se extiende hacia el futuro.
Dirección del viento a 10 m
Velocidad del viento a 10 m (RMSE)
PWAi es similar o ligeramente mejor que AIFS y mejor que ECMWF para la velocidad del viento.
Velocidad del viento a 10 m
Presión media al nivel del mar
PWAi supera a ECMWF y AIFS cuando se trata de predecir la presión superficial con algunos días de anticipación.
Presión media al nivel del mar
Temperatura a 2 m y precipitación total
Los tres modelos son generalmente cercanos, pero la precisión de la temperatura y la precipitación aumenta para PWAi con el tiempo
Temperatura a 2 m
Precipitación total en 6 horas
Estado beta
PWAi se encuentra actualmente en pruebas beta, y esta evaluación representa la primera fase de su validación. Si bien los primeros resultados son muy alentadores, PredictWind continuará refinando el modelo a través de pruebas en el mundo real y comentarios de los usuarios.
El objetivo es seguir mejorando la precisión y consistencia de PWAi a medida que más datos y comparaciones de campo estén disponibles.