PWAi
Studio di valutazione
Pubblicato: 31 ott 2025
Introduzione
Il modello AI di PredictWind, noto come PWAi, è un nuovo approccio alle previsioni meteorologiche globali che combina l'apprendimento automatico avanzato sfruttando l'affidabilità comprovata dei modelli basati sulla fisica.
Questa valutazione confronta PWAi con due modelli globali leader, AIFS ed ECMWF, rispetto al set di dati ERA5 di ECMWF su variabili meteorologiche chiave tra cui vento, pressione, temperatura e precipitazioni. I risultati mostrano che PWAi si comporta a un livello molto alto, eguagliando o migliorando questi benchmark consolidati nella maggior parte delle aree. Cattura meglio gli effetti su scala temporale fine e mantiene una forte precisione su più giorni di previsione.
Questo studio segna la prima fase nella convalida del modello PWAi, che continuerà ad essere perfezionato e testato attraverso l'uso nel mondo reale per migliorare ulteriormente l'accuratezza e le prestazioni nel tempo.
In tutti i parametri, PWAi si comporta alla pari o meglio di ECMWF e AIFS, in particolare per le previsioni fino a cinque giorni. Ciò significa che gli utenti di PredictWind possono aspettarsi dati accurati da PWAi per la pianificazione a breve e medio termine.
Il confronto include:
Velocità e direzione del vento a 10 m - la forza del vento e l'angolo con cui soffia all'altezza di misurazione standard di 10 metri utilizzata nei modelli meteorologici.
Pressione media al livello del mare (MSLP) - la pressione dell'aria ridotta al livello del mare, che definisce la posizione e la forza dei sistemi meteorologici come gli anticicloni e le depressioni.
Temperatura a 2 m - la temperatura dell'aria misurata a due metri sopra la superficie, che è il livello standard utilizzato nelle previsioni e nelle osservazioni.
Precipitazioni totali - le precipitazioni o l'umidità combinate che cadono in un periodo stabilito, importanti per la visibilità e la previsione delle raffiche.
ERA5 - Il set di dati di rianalisi all'avanguardia di ECMWF, che combina osservazioni e modellazione per fornire lo standard di riferimento per i dati meteorologici storici.
I risultati sono valutati utilizzando misure statistiche come RMSE (errore quadratico medio), che mostra la dimensione media degli errori di previsione. Valori RMSE più bassi indicano un modello più accurato.
Direzione del vento a 10 m (RMSE)
PWAi mostra errori minori nell'intervallo di tempo per la direzione del vento, con un aumento drammatico della precisione della direzione man mano che la previsione si estende nel futuro.
Direzione del vento a 10 m
Velocità del vento a 10 m (RMSE)
PWAi è simile o leggermente migliore di AIFS e migliore di ECMWF per la velocità del vento.
Velocità del vento a 10 m
Pressione media al livello del mare
PWAi batte ECMWF e AIFS quando si tratta di prevedere la pressione superficiale con qualche giorno di anticipo.
Pressione media al livello del mare
Temperatura a 2 m e precipitazioni totali
Tutti e tre i modelli sono generalmente vicini, ma l'accuratezza della temperatura e delle precipitazioni aumenta per PWAi nel tempo
Temperatura a 2 m
Precipitazioni totali in 6 ore
Stato beta
PWAi è attualmente in fase di test beta e questa valutazione rappresenta la prima fase della sua convalida. Sebbene i primi risultati siano molto incoraggianti, PredictWind continuerà a perfezionare il modello attraverso test nel mondo reale e feedback degli utenti.
L'obiettivo è continuare a migliorare l'accuratezza e la coerenza di PWAi man mano che più dati e confronti sul campo diventano disponibili.