PWAi
Étude d'évaluation
Publié : 31 oct. 2025
Introduction
Le modèle d'IA PredictWind, connu sous le nom de PWAi, est une nouvelle approche de prévision météorologique mondiale qui combine l'apprentissage automatique avancé tout en tirant parti de la fiabilité éprouvée des modèles basés sur la physique.
Cette évaluation compare PWAi avec deux modèles mondiaux de premier plan, AIFS et ECMWF, par rapport au jeu de données ERA5 d'ECMWF sur des variables météorologiques clés, notamment le vent, la pression, la température et les précipitations. Les résultats montrent que PWAi fonctionne à un niveau très élevé, égalant ou améliorant ces références établies dans la plupart des domaines. Il capture mieux les effets à l'échelle temporelle fine et maintient une forte précision sur plusieurs jours de prévision.
Cette étude marque la première étape de validation du modèle PWAi, qui continuera d'être affiné et testé par une utilisation dans le monde réel pour améliorer encore la précision et les performances au fil du temps.
Pour tous les paramètres, PWAi fonctionne aussi bien ou mieux que ECMWF et AIFS, en particulier pour les prévisions jusqu'à cinq jours à l'avance. Cela signifie que les utilisateurs de PredictWind peuvent s'attendre à des données précises de PWAi pour la planification à court et moyen terme.
La comparaison comprend :
Vitesse et direction du vent à 10 m - la force du vent et l'angle de son souffle à la hauteur de mesure standard de 10 mètres utilisée dans les modèles météorologiques.
Pression au niveau moyen de la mer (MSLP) - la pression atmosphérique réduite au niveau de la mer, qui définit la position et la force des systèmes météorologiques tels que les anticyclones et les dépressions.
Température à 2 m - la température de l'air mesurée à deux mètres au-dessus de la surface, qui est le niveau standard utilisé dans les prévisions et les observations.
Précipitations totales - les précipitations ou l'humidité combinées qui tombent sur une période définie, importantes pour la visibilité et la prévision des grains.
ERA5 - Le jeu de données de réanalyse de pointe d'ECMWF, combinant observations et modélisation pour fournir la référence absolue pour les données météorologiques historiques.
Les résultats sont évalués à l'aide de mesures statistiques telles que RMSE (erreur quadratique moyenne), qui montre la taille moyenne des erreurs de prévision. Des valeurs RMSE plus faibles indiquent un modèle plus précis.
Direction du vent à 10 m (RMSE)
PWAi montre des erreurs plus faibles sur toute la plage de temps pour la direction du vent, avec une augmentation spectaculaire de la précision de la direction à mesure que la prévision s'étend dans le futur.
Direction du vent à 10 m
Vitesse du vent à 10 m (RMSE)
PWAi est similaire ou légèrement meilleur que AIFS et meilleur que ECMWF pour la vitesse du vent.
Vitesse du vent à 10 m
Pression au niveau moyen de la mer
PWAi surpasse ECMWF et AIFS en ce qui concerne la prévision de la pression de surface quelques jours à l'avance.
Pression au niveau moyen de la mer
Température à 2 m et précipitations totales
Les trois modèles sont généralement proches, mais la précision de la température et des précipitations augmente pour PWAi au fil du temps
Température à 2 m
Précipitations totales sur 6 h
Statut bêta
PWAi est actuellement en phase de test bêta, et cette évaluation représente la première phase de sa validation. Bien que les premiers résultats soient très encourageants, PredictWind continuera d'affiner le modèle par des tests dans le monde réel et les commentaires des utilisateurs.
L'objectif est de continuer à améliorer la précision et la cohérence de PWAi à mesure que davantage de données et de comparaisons sur le terrain deviennent disponibles.