A maioria dos serviços meteorológicos assenta num único modelo global. Ensinamos o machine learning a combinar os melhores do mundo, a corrigi-los com dados locais - e a continuar a corrigir, a cada dez minutos.
O ML escolhe o melhor de mais de 40 modelos para cada situação e lugar.
Modelos regionais com geografia detalhada e orografia 3D.
Correções de nowcasting a cada 10 minutos, minuto a minuto onde importa.
Quatro camadas, um pipeline: um multimodelo aprendido por máquina, o nosso próprio modelo regional, correções por IA por local e nowcasting em tempo real. Cada camada alimenta a seguinte - e o conjunto alimenta os seus modelos aplicados.
A maioria dos serviços refina um único modelo global - por isso o seu teto é a precisão desse modelo. Nós seguimos o caminho inverso: o nosso machine learning estuda os erros históricos de cada modelo em cada situação e local meteorológico, e depois combina-os numa única saída que elimina a maioria dos enviesamentos. Nenhum modelo isolado é o melhor em todo o lado; o nosso não precisa de ser um deles.
O multimodelo alimenta os nossos próprios modelos regionais, que aumentam a resolução e têm em conta a geografia local e a orografia 3D. Onde existem medições de estações, outra camada de IA corrige a saída para as especificidades desse lugar exato - e um meteorologista profissional de serviço pode ainda intervir.
O tempo muda depressa, por isso as nossas saídas são continuamente corrigidas face a medições em direto de estações e radares - a maioria dos locais atualiza a cada 10 minutos, minuto a minuto onde importa. O mesmo motor combina depois os dados meteorológicos com os seus dados internos para construir modelos aplicados: procura, afluência, sinistros, produção.
“Nenhum modelo meteorológico isolado é o melhor em todo o lado. Um lida bem com trovoadas, outro com inversões de inverno, um terceiro com temperaturas noturnas. A perícia está em saber em qual confiar - para este lugar, esta variável, esta hora.”
Escolha alguns dos seus locais - corremos um back-test face à fonte de dados que usa hoje e mostramos a diferença, número a número.
Fale com a nossa equipa