任何气象预测都必须通过两项基本测试，以表明其优势所在：

　　1.它们必须做到气象学家所说的持续性，甚至做得更好。所谓持续性，是指假定明天(或者第二天)的天气同今天一样。

　　2.它们还要突破气候学规律。气候学规律是指长期以来特定区域、特定日期历史平均状况的综合。

　　早在理查德森、洛伦兹和蓝火计算机出现以前，我们的祖先就已经在使用这些方法了，如果我们无法改进这些方法，那么再昂贵的计算机也做不出出色的预测。

　　我们拥有大量有关过去气象预报结果的数据，至少可以追溯到第二次世界大战时期。比如，我可以登录气象网站Wunderground.com，查询到1978年1月13日(我的出生日期)早晨7点，密歇根首府兰辛的天气状况：气温约8摄氏度，小雪，东北风。但是，几乎没有人会劳神费心地收集过去的气象预报。有人料到那天早上兰辛会下雪吗?你可能会到互联网上查找这样的信息，但却查不到。

　　2002年，一位名叫艾瑞克·弗娄尔的企业家改变了这种状况，他是俄亥俄州立大学计算机科学专业的毕业生，当时效力于美国第二大长途电话运营商美国世界通信公司(MCI)。最初只是为了比较政府预测模型和私有公司预测模型哪个更准确，他才开始收集国家气象局、气象频道和AccuWeather公司发布的有关气象预报的数据。起初，这个大规模的科学实验的项目多半是为了满足弗娄尔的个人求知欲，可随后迅速发展为有利可图的商机。人们创建了ForecastWatch.com网站，在很大程度上按照客户的要求对数据进行重新包装，其客户群的涵盖面很广，从能源商人(对这些人来说，气温发生的细微变化能转变为数万美元)到学者不一而足。

　　弗娄尔发现，没有一家气象预测机构是明显完胜的赢家。他收集的数据表明，AccuWeather网站在降雨量预测方面的误差最小，气象频道在温度预测方面略胜一筹，而政府预测在各个方面都稳定出众，总之，它们做得都非常好。

　　但是，这些模型的预测时间跨度越长，其预测准确性就越低(见图4–6)。比如，提前8天的预测几乎没有任何技术含量，这种预测打破了稳定性，但并没有突破气候学规律。如果是提前9天或更多时间进行预测，那么这些专业的预测得出的结果就会比按照气候学规律推测的结果还要糟糕。

　　罗夫特告诉我，混沌理论是大势所趋，大气的动态内存会自我清除。尽管下面这个类比有些不准确，但对于理解这一原理还是有所帮助的。人们把大气想象成纳斯卡赛车的椭圆车道，围绕轨道行驶的不同车辆就代表不同的天气系统。比赛开始的十几圈，了解赛车的出发顺序能使我们更好地预测出它们经过的顺序。期间可能出现碰撞、急停、引擎故障等我们无法解释的状况，所以我们的预测不会完美无瑕，但总会比随便猜测的准确一些。很快的，速度较快的汽车就会领先速度较慢的车若干圈，不久，赛道上的顺序就完全被打乱了。也许与排位第二的赛车并驾齐驱的，是排位第16的赛车(即将落下一圈)和排位第20的赛车(已经落下一圈，眼看又要落下第二圈)。比赛最初的状态几乎没有什么参考价值，同样的，一旦大气有了足够的循环时间，天气模式与其最初的状态就不再相似，这些模型也就没有什么用处了。

　　弗娄尔的发现仍然引起了一些令人不安的问题。预报发布的七八天之后，如果计算机模型的预测结果被证明是零技术含量，则会是另外一种情况。这些模型得到的结果竟然还不如普通人坐在家里查阅长期天气平均状况表得到的结果准确，怎么会这样?也许是因为计算机程序对天气系统中自然出现的反馈过于敏感，于是开始自我反馈。这不仅说明噪声中不再有信号，还说明噪声正在渐渐增强。

　　还有一个更大的问题，那就是如果提前过长时间做出的预测不准确，那气象频道(预测近10天的天气情况)和AccuWeather网站(将预测时间提前到15天)这样的公司为何还要继续发布预测呢?罗斯博士认为，因为这样做不会造成任何伤害，即使是单纯基于气候学的预测，对他们的用户而言也是有点用处的。

　　对于商业性的气象预报来说，统计学上的准确度没必要斤斤计较。在受众眼中，只有感知上的准确度才是有价值的。

　　比如，以赢利为目的的气象预报公司很少确切地预测下雨的概率为50%，这个概率对用户来说似乎显得空洞又模糊。相反，它们会投掷硬币且将数值四舍五入，得到60%或者40%的降水概率，尽管这样做会使预测结果更加不准确、不诚实。

　　弗娄尔还发现预测公司竟然明目张胆地篡改数字，这可能是气象预报行业里公开的秘密了。大多数商业性气象预报都是有偏向性的，可能是故意为之。这些预测公司尤其偏向于预测更多的降水量(但实际上降水并没有那么多)，气象学家称之为“降水偏向”。从政府部门得到越多的原始数据，客户面对的气象预报就越多，这种偏向性就会越严重。预测就是这样通过减少准确性来“增加价值”的。