| 01 | Prevc, D. |  |
275.1 | |
| 02 | Nikaido, R. | |
262.1 | |
| 03 | Kobayashi, R. | |
261.0 | |
| 04 | Foubert, V. | |
257.4 | |
| 05 | Sundal, K. | |
252.5 | |
| Celkové výsledky » | ||||
Nach seinen vier Siegen in Folge ist Domen Prevc natürlich auch der klare Favorit für die Wettkämpfe in Engelberg.
Die Konkurrenz kann angesichts der Überform des Slowenen eigentlich nur auf Fehler des Weltcup-Gesamtführenden warten.
Extrem dominant waren die Auftritte des 26-jährigen zuletzt in Klingenthal.
Dennoch werden die Karten bei der Generalprobe für die Vierschanzentournee neu gemischt
.
Die Berkutschi.com KI sieht Prevc natürlich auch als Favoriten für den kommenden Weltcup.
Sie können alle Skispringen in Engelberg im FIS Live Ticker direkt verfolgen,
Skispringen trifft auf künstliche Intelligenz.
Den Ausgang eines Skisprung-Weltcups vorherzusagen ist extrem schwer. Unzählige Faktoren beeinflussen das Endergebnis eines Wettkampfes: Form des Athleten, der Wind und zahlreiche andere Bedingungen im Moment des Sprunges, Zustand des Materials usw.
Wir wollen aber trotzdem wissen, wer gewinnt, bevor es losgeht. Also haben wir die Daten aus unserer Datenbank mit künstlicher Intelligenz verbunden und simulieren so 10.000 Wettkämpfe auf genau dieser einen Schanze mit genau diesem Athleten.
Es wird spannend sein zu sehen, wie genau (oder wie falsch) das System dabei liegt.
Die KI-gestützte Prognose analysiert mehrere Faktoren, um die Gewinnchancen jedes Springers vorherzusagen:
Das System führt 10.000 Monte-Carlo-Simulationen durch, um realistische Wahrscheinlichkeiten für Siege, Podestplätze (Top 3), Top 6 und Top 10 zu berechnen. Die Volatilität der Simulationen berücksichtigt die Unvorhersehbarkeit des Skispringens.
Monte-Carlo-Methode: Bei jeder Simulation wird jedem Springer ein zufälliger Wert (normalverteiltes Rauschen) hinzugefügt, um verschiedene Szenarien zu simulieren – ähnlich wie bei echten Wettkämpfen, bei denen Form, Wind, Bedingungen und Tagesform variieren. Nach 10.000 Durchläufen erhalten wir statistische Wahrscheinlichkeiten für jede Platzierung. Je höher die Prozentzahl, desto konsistenter schneidet der Springer in den Simulationen ab.
| 01 | Prevc, D. | |
275.1 | |
| 02 | Nikaido, R. | |
262.1 | |
| 03 | Kobayashi, R. | |
261.0 | |
| 04 | Foubert, V. | |
257.4 | |
| 05 | Sundal, K. | |
252.5 | |
| Celkové výsledky » | ||||
| 01 | Prevc, D. | |
670 | 0 |
| 02 | Kobayashi, R. | |
511 | 1 |
| 03 | Lanisek, A. | |
459 | 1 |
| 04 | Raimund, P. | |
400 | 0 |
| 05 | Nikaido, R. | |
373 | 2 |
| Celkové výsledky » | ||||
| 01 | Raimund, P. | |
490 | 0 |
| 02 | Kobayashi, S. | |
392 | 0 |
| 03 | Bachlinger, N. | |
391 | 0 |
| 04 | Kobayashi, R. | |
356 | 5 |
| 05 | Stoch, K. | |
319 | 0 |
| Celkové výsledky » | ||||
| 01 | Prevc, N. | |
294.1 | |
| 02 | Maruyama, N. | |
290.1 | |
| 03 | Stroem, A. | |
272.4 | |
| 04 | Freitag, S. | |
267.5 | |
| 05 | Reisch, A. | |
265.8 | |
| Celkové výsledky » | ||||
| 01 | Maruyama, N. | |
670 | 0 |
| 02 | Prevc, N. | |
536 | 0 |
| 03 | Stroem, A. | |
408 | 0 |
| 04 | Strate, A. | |
361 | 1 |
| 05 | Eder, L. | |
349 | 1 |
| Celkové výsledky » | ||||
| 01 | Maruyama, N. | |
625 | 0 |
| 02 | Prevc, N. | |
555 | 0 |
| 03 | Takanashi, S. | |
411 | 1 |
| Celkové výsledky » | ||||
| 01 | Japonsko | |
2442 | 0 |
| 02 | Slovinsko | |
1092 | 0 |
| 03 | Německo | |
989 | 0 |
| Celkové výsledky » | ||||
| 01 | Tomasiak, K. | |
362 | 0 |
| 02 | Schuster, J. | |
312 | 0 |
| 03 | Aigner, C. | |
228 | 0 |
| 04 | Deschwanden, G. | |
226 | 6 |
| 05 | Naito, T. | |
203 | 1 |
| Celkové výsledky » | ||||
Skoky na lyžích
Nejlepší skokané
