• L'approche multi-modèle de meteoblue augmente considérablement la précision des prévisions.
• meteoblue obtient les meilleurs résultats lorsque notre prévision de la vitesse du vent sur 24 heures est comparée aux modèles bruts.
• Les différents modèles bruts pour la vitesse et la direction du vent donnent des résultats très similaires.
• Parmi les modèles de prédiction comparés, ICON a la meilleure performance globale.
• GFS05 prédit la vitesse du vent avec une précision de 1.5 m/s supérieure à celle des autres modèles bruts.
• La prévision de la vitesse du vent est moins précise sur les îles et dans les chaînes de montagnes.
• La prévision de la vitesse du vent est généralement plus précise sur les sites continentaux qu'à proximité des océans.
• Il existe des variations régionales au sein des modèles bruts, et elles sont particulièrement marquées dans le modèle NEMSGLOBAL.
• La performance des modèles de prévision de la vitesse du vent devient moins fiable avec l'augmentation de la vitesse du vent.

La variable météorologique du vent joue un rôle clé dans la recherche météorologique et énergétique. L'augmentation de la consommation d'énergie et le changement climatique en cours entraînent un intérêt croissant pour les énergies renouvelables. Les secteurs de l'énergie solaire et éolienne connaissent une croissance rapide. Les données sur la vitesse du vent sont essentielles pour trouver des emplacements appropriés pour les emplacements des éoliennes.

391 / 5.000 Übersetzungsergebnisse Übersetzung En plus, les phénomènes météorologiques extrêmes devraient devenir plus fréquents à l'avenir. Les entreprises telles que les assureurs ou les producteurs agricoles dépendent de données fiables sur les conditions de vent. De plus, la compréhension de la dynamique du vent aide à déchiffrer l'influence du vent sur d'autres variables météorologiques telles que la température ou les précipitations, et la compréhension générale du système atmosphérique.

Étant donné qu'une prévision précise du vent est essentielle pour un grand nombre de nos clients (des sociétés d'énergie éolienne aux amateurs de plein air), il est essentiel pour nous que nos clients puissent comprendre et interpréter nos prévisions et leurs performances. Plusieurs études de vérification ont été menées et sont décrites dans les sections suivantes. Dans ces études, plusieurs modèles météorologiques numériques ont été comparés.

Analyse des prévisions de vent au niveau mondial

Les conclusions suivantes sont basées sur la thèse de Brigitte Häuser en 2021. Plusieurs modèles de simulation météorologique de la vitesse du vent tels que ICON, MFGLOBAL, GFS05, des modèles de la famille NEMS (NEMS4 et NEMS12), ainsi qu'un modèle de réanalyse ERA5 ont été comparés à l'échelle mondiale. Pour la validation, plus de 5000 mesures horaires METAR ont été utilisées dans le monde entier et pendant toute l'année 2020.

Plusieurs métriques d'erreur statistique et de performance des prévisions ont été calculées et utilisées à des fins de comparaison. D'autres analyses spatiales indiquent les performances des modèles de prévisions météorologiques sur une base régionale. Enfin, une approche multi-modèle a été testée par rapport à d'autres approches afin d'étudier leur précision respective.

Comparaison des modèles bruts

Pour comparer les modèles bruts, l'erreur absolue moyenne (EAM) et l'erreur de biais moyenne (MBE) ont été calculées. La figure suivante montre qu'ICON et ERA5 ont les EAM les plus faibles, suivis par GFS05 et MFGLOBAL. La performance de la prévision de la vitesse du vent de NEMSGLOBAL est la plus mauvaise par rapport aux autres modèles de prévision météorologique.

La plupart des modèles de prévisions météorologiques ont tendance à sous-estimer la vitesse du vent (voir figure ci-dessous).

Pour une analyse plus approfondie des performances, le POD (Probability of Detection), Le FAR (False Alarm Ratio) et l'inddice Heidke (Heidke Skill Score) ont été calculés. Les seuils de 5, 15, 20 et 30 m/s ont été fixés pour évaluer les performances des prévisions de vitesses de vent plus élevées. Les principaux résultats sont résumés dans le tableau suivant.

En ce qui concerne la POD, la vitesse du vent supérieure à 5 m/s a été prédite avec le plus de précision par la NEMSGLOBAL, suivie par la GFS05, l'ERA5, l'ICON et la MFGLOBAL. Néanmoins, si l'on considère ses valeurs HSS et FAR élevées, les valeurs POD élevées de la NEMSGLOBAL sont probablement dues à une surprédiction générale de la vitesse du vent, plutôt qu'à une réelle compétence de prédiction.

En comparaison, ERA5 montre de bonnes capacités de prévision pour les vitesses de vent supérieures à 5 m/s, et pour les vitesses de vent plus élevées, c'est GFS05 qui obtient les meilleurs résultats. Cependant, la probabilité et la capacité générale de détecter une vitesse de vent supérieure à 15 m/s diminuent considérablement pour tous les modèles, ce qui signifie qu'ils ont tous des difficultés générales à prédire les événements de vitesse de vent élevée.

POD, FAR et HSS pour tous les modèles bruts calculés pour les données de horaires de plus de 5.000 stations mondiales en 2020.

Domaine	POD_5	POD_15	POD_20	FAR_5	FAR_15	FAR_20	HSS_5	HSS_15	HSS_20
ERA5	0.479	0.045	0.021	0.276	0.503	0.503	0.419	0.039	0.019
GFS05	0.551	0.116	0.053	0.368	0.74	0.759	0.412	0.08	0.035
ICON	0.466	0.055	0.026	0.302	0.903	0.906	0.413	0.037	0.017
MFGLOBAL	0.37	0.069	0.04	0.286	0.691	0.674	0.31	0.047	0.028
NEMSGLOBAL	0.636	0.205	0.082	0.456	0.907	0.949	0.381	0.063	0.023

Analyse spatiale

La distribution spatiale de l'EAM est présentée ci-dessous pour les modèles ERA5 et NEMSGLOBAL, étant donné qu'ils diffèrent le plus significativement l'un de l'autre. On a évité la surreprésentation des stations proches en calculant la moyenne des métriques d'erreur dans des cellules de grille de 3x3°, ce qui a permis d'obtenir un réseau de grille cohérent superposé à la carte du monde.

b) Modèle de prévision NEMSGLOBAL

La EAM de l'ERA5 est spatialement répartie de manière égale sur l'ensemble du monde. Cependant, NEMSGLOBAL a les valeurs EAM les plus élevées au Canada et en Europe du Nord, bien que la distribution de l'EAM soit comparable à celui de ERA5, seulement avec des contrastes plus élevés. Les deux cartes montrent une performance inférieure sur la prévision de la vitesse du vent sur les îles, et (en particulier dans la carte de NEMSGLOBAL) dans les régions montagneuses telles que les Montagnes Rocheuses. En général, certains modèles présentent des schémas spatiaux plus forts, tandis que d'autres le sont moins. Pour des informations plus détaillées, veuillez consulter la thèse de maîtrise (2,5 MB).

Approche multi-modèle

Dans l'approche multimodèle, plusieurs modèles bruts sont combinés et pondérés différemment, ce qui conduit généralement à des améliorations de la précision des prévisions. Comme démontré dans la section précédente, les modèles bruts ont tendance à fonctionner avec des résultats spatiaux différents. La combinaison de la prévision de plusieurs modèles pour un emplacement spécifique peut conduire à ce que l'on appelle une « annulation d'erreur ». Par exemple, deux modèles (l'un surestimant la variable et l'autre la sous-estimant) peuvent s'équilibrer, entraînant une erreur de prévision plus faible. Dans cette section, les modèles de prévisions météorologiques GFS05, MFGLOBAL, NEMSGLOBAL et ICON ont été combinés pour optimiser le MAE, et également validés par rapport aux stations METAR.

L'étude montre qu'ICON a le plus grand impact dans cette approche à l'échelle mondiale, car il était le plus pondéré pour presque tous les emplacements, à l'exception des emplacements en Russie et dans le nord du Canada. En raison de sa pondération élevée, GFS05 a également une influence majeure dans l'approche multimodèle. En faisant la moyenne des MultiModels les plus performants de toutes les stations (c'est-à-dire toutes les combinaisons MultiModel spécifiques à la station avec l'EAM le plus bas), nous obtenons un MultiModel optimisé combinaison, dans laquelle ICON est pondéré de 50 à 60 %, GFS05 de 20 à 30 % et MFGLOBAL et NEMSGLOBAL de 10 %. Ce MultiModèle était, dans le étape finale, vérifiée par rapport à toutes les stations METAR.

Le tableau suivant montre que cette approche peut améliorer la prévision du vent vitesse. Alors que le multimodèle a été optimisé pour l'EAM, d'autres métriques d'erreur telles que le MBE, le RMSE (erreur quadratique moyenne), et MAPE (erreur absolue moyenne en pourcentage) étaient également plus faibles par rapport aux modèles bruts. La corrélation (Cor) est une erreur métrique qui indique dans quelle mesure horaire deux ensembles de données sont corrélés ou concordants. Plus le nombre est élevé (c'est-à-dire plus proche de 1), meilleure est la prévision. Le tableau montre que le MultiModel surpasse les deux modèles les plus performants ICON et ERA5.

Erreurs moyennes pour différents modèles bruts et le MultiModel global optimisé. Les calculs sont basés sur les données horaires de plus de 5'000 stations mondiales en 2020.

Domaine	EAM	MBE	RMSE	MAPE	Cor	Cor >3 m/s
NEMSGLOBAL	1.866	0.657	2.421	0.607	0.596	0.501
MFGLOBAL	1.617	-0.490	2.070	0.474	0.612	0.514
GFS05	1.563	0.130	2.002	0.483	0.635	0.537
ERA5	1.460	-0.152	1.860	0.429	0.652	0.577
ICON	1.453	-0.355	1.925	0.422	0.682	0.577
MM GLobal Weight	1.369	-0.122	1.768	0.401	0.703	0.598

Comparaison des fournisseurs

Pour classer notre prévision opérationnelle de la vitesse du vent, nous l'avons comparée aux performances des modèles bruts et à celles d'autres fournisseurs de prévisions météorologiques. La figure suivante montre la MBE de différents modèles de prévision (NEMSGLOBAL, ICON, GFS05, MFGLOBAL et UMGLOBAL), le modèle de réanalyse ERA5 et le modèle de prévision meteoblue. Les résultats du modèle ont été comparés aux mesures horaires de plus de 450 stations METAR dans le monde. L'analyse est basée sur les prévisions à 24 heures et les données horaires mesurées de la vitesse du vent pour l'année 2021.

prévisions meteoblue vs. modèles bruts

La figure ci-dessus montre que pour la plupart des modèles, le MBE est négatif, donc les modèles sous-estiment la vitesse du vent, alors que le pic le plus élevé pour la prévision meteoblue est proche de zéro. Cette découverte montre que la prévision meteoblue surpasse le modèle de réanalyse ERA5.

prévisions meteoblue vs. autres fournisseurs de données météorologiques

Le tableau suivant donne un aperçu des mesures d'erreur EAM et MBE pour les prévisions meteoblue et 6 autres fournisseurs de données météorologiques. Dans le cas de l'EAM, la prévision meteoblue a les valeurs les plus basses et surpasse donc les autres fournisseurs de données météorologiques, bien qu'elle sous-estime la vitesse du vent plus que les autres fournisseurs.

EAM [m/s] et MBE [m/s] de différents fournisseurs de services météorologiques et les prévisions et mesures météorologiques horaires de plus de 450 stations mondiales pour l'année 2021.

Fournisseurs	EAM [m/s]	MBE [m/s]
meteoblue	1.36	-0.53
Fournisseur_D	1.41	-0.42
Fournisseur_F	1.38	-0.29
Fournisseur_C	1.41	-0.36
Fournisseur_G	1.48	-0.09
Fournisseur_B	1.40	-0.14
Fournisseur_H	1.51	-0.11