Metode
Sådan når vi frem til ét tal.
Vi tror på at lægge kortene på bordet. Her er præcis hvordan Vejr.app regner de fire prognoser sammen — og hvad enighedsscoren faktisk måler.
Vægtet gennemsnit
Vi tager ikke bare et simpelt gennemsnit. Nogle tjenester er historisk bedre til dansk vejr end andre, og det afspejles i den vægt, hver kilde får. Vægtene er ikke hemmelige — de står her, og vi justerer dem, når vores egen efterprøvning viser at det er nødvendigt.
| Kilde | Vægt | Hvorfor |
|---|---|---|
| DMI | ×1.2 | Bedst lokalt kendskab til dansk kystvejr og indlandsbyger. |
| Yr (met.no) | ×1.1 | Stærk nordisk model, særligt god på temperatur og vind. |
| OpenWeather | ×1.0 | Bred global model — solid baseline for korte prognoser. |
| Xweather | ×1.1 | Kombinerer flere modeller med realtids-radar — god til hurtige skift. |
Enighedsscoren
Enighedsscoren går fra 0 til 100 og fortæller, hvor tæt de fire tjenester ligger på hinanden lige nu. Den samler tre ting:
Temperatur
Hvor stor spredningen er mellem højeste og laveste bud i grader.
Nedbør
Om tjenesterne er enige om, at det regner — og hvor meget.
Vejrtype
Om ikonerne peger på det samme: sol, sky, byger eller torden.
Er scoren over 85, kan du regne med prognosen. Ligger den mellem 60 og 85, er der pæn overensstemmelse, men uenighed omkring detaljer som hvornår regnen starter. Under 60 er dagen svær at forudsige — så viser vi dig hvorfor, i stedet for at foregive at vide bedre.
Time-for-time
Vi interpolerer alle tjenester ned til samme tidsopløsning (10 minutter internt, vist som timer), inden vi lægger dem sammen. På den måde undgår vi at én tjeneste vinder en time bare fordi den tilfældigvis leverer data på den time.
Hvad vi ikke gør
Vi bruger ikke egne machine-learning-modeller til at forudsige vejret. Det, du ser, er en ærlig sammenlægning af de bedste offentligt tilgængelige prognoser — ikke en sort boks. Vi gemmer heller ikke dine tidligere søgninger for at "personalisere" prognosen. Vejret er det samme uanset hvem der kigger.