這是詩意的，這一觀點是，巴西蝴蝶翼的襟翼可以引發一系列大氣事件，幾週後，這刺激了德克薩斯州龍捲風的形成。這種所謂的“蝴蝶效應”用於解釋為什麼不能預測天氣等混亂系統超過幾天。一個人不了解影響氣氛的每個小因素 - 巴西每隻蝴蝶的每一個顫動 - 因此，幾週後，幾乎沒有希望預見到確切的時間和席捲風暴。
蝴蝶效應更加令人愉悅，因為導致其發現的計算機模型類似於蝴蝶。數學家愛德華·洛倫茲（Edward Lorenz）在1960年代創建了名為“奇怪吸引者”的模型。這是一條在兩個相鄰橢圓形周圍旋轉的線，將混沌解決方案映射到一組相互關聯的方程式上。洛倫茲發現，吸引子的形狀對初始條件極為敏感。僅在任何方向上移動其起點，就導致線繪製了完全不同的蝴蝶。
奇怪的吸引者導致科學家得出結論，許多現實世界中的股票市場，德克薩斯龍捲風季節 - 必須同樣無法預測，此後一直將蝴蝶效應作為混亂的解釋。但是，儘管這實際上是錯誤的：巴西的一隻蝴蝶可以像喜歡的那樣猛烈地顫抖，但仍然不能鞭打德克薩斯州的龍捲風。
“如果蝴蝶數學家兼作家戴維·奧雷爾（David Orrell）告訴《生活中的小謎》，它的效果確實被削弱了。
瑣碎的拍打
蝴蝶的翅膀的每個皮瓣都會對周圍的空氣分子施加壓力，以便向上推動昆蟲。每個皮瓣會導致蝴蝶周圍的氣壓發生很小的變化，但是與空氣的總壓力相比，這種波動微不足道，大約大約100,000倍。氣壓變化是改變天氣的關鍵因素之一，但是在蝴蝶的情況下，空氣分子很容易吸收機翼襟翼的打擊，因此距離蝴蝶幾英寸遠。湍流它的原因將消失。 [解釋：大黃蜂的物理飛行這是給出的
奧雷爾（Orrell）在牛津大學（University of Oxford）的非線性系統博士學位博士學位上寫道，關於科學和外行觀眾的氣象，生物學和經濟學等領域的預測制定。他最暢銷的著作《一切事物的未來：預測科學》（Thunder's Press Press，2006年）描述了氣象學家在預測天氣時面臨的極端困難，這對壓力和溫度（例如壓力和溫度）的變化非常敏感，以至於無法準確投影到幾天以上。對溫度的估計僅一小部分，即塞匹賽，後來導致了一系列錯誤，從而使預測看起來超過了幾天，但不到幾週，尤其是具有挑戰性。
但是，“帶來改變的變化要比蝴蝶拍打翅膀大得多，”奧雷爾說。
他說：“我認為從數學上講，洛倫茲的吸引子是一個非常重要的發現。” “但是隨後它被接管了一些藉口。人們開始將混亂理論應用於許多系統，並說：'好吧，這種屬性對初始條件很敏感，因此我們無法做出準確的預測。'”
實際上，根據Orrell的說法，只有在簡化的混亂模型中，像奇怪的吸引子一樣，微觀變化會產生巨大的後果，並最終導致吸引子與原本所採取的路徑不同。更複雜的計算機模型（例如氣象學家使用的計算機模型）更加可靠。正如奧雷爾（Orrell）和其他幾位數學家在2001年證明的團隊一樣，將蝴蝶般的尺寸騷擾輸入這些天氣模型不會導致模型的結果差異。如果天氣系統中的其他因素（例如溫暖的大西洋溫度，高濕度和較低風剪的西風）正在攜帶力以驅動颶風的形成，機翼的襟翼或缺乏翅膀的襟翼不會阻止它們。
Orrell說，無論如何，對於機翼瓣確實可以呈指數增長的想法並沒有多大意義。 “如果您想像對空氣進行建模，然後用蝴蝶翼的襟翼將其擾動，那麼您就不會期望從另一端出來呈指數級的更大波浪。”使用蜂窩自動機對湍流進行建模，這是數學家斯蒂芬·沃爾夫拉姆（Stephen Wolfram）開發的一種方法，並在他著名的著作《一種新科學》（Wolfram Media，2002）中解釋了，也表明，機翼的能量將消散，而不是構建。簡而言之，蝴蝶無法激發暴風雨。 [5認真令人難以置信的數學事實這是給出的
那麼預測是什麼？
如果蝴蝶效應不是真實的，那麼為什麼我們人類不能提前幾天超過幾天才能準確預測天氣？
事實證明，這個問題的答案是有爭議的。根據他的研究，Orrell認為計算機模型本身會出現錯誤 - 例如，過度簡化方式大氣壓力和濕度相互作用- 比小小的擾動更為嚴重地影響天氣系統的結果。他認為，氣象學家應該致力於完善他們的氣氛模型，而不是因為混亂而舉手。奧雷爾說：“我的看法是，模型錯誤更可能導致我們無法進行天氣預報比混亂。”
其他科學家不同意。威斯康星大學 - 米爾沃基分校的數學家和氣象學家保羅·羅伯（Paul Roebber）認為，儘管蝴蝶級混亂並不影響天氣預測的成功，但較大的擾動仍然起著重要作用。
Roebber說：“我同意[Orrell]的觀點，即蝴蝶尺度的影響會被抑制，但是從天氣角度（例如個體雲）的影響仍然是很小的影響，這些影響更有可能成長和重要。” “所以蝴蝶：好。但是單個雲：這些可能會從現在起五到10天極大地影響預測，直到我們可以解決這些預測之前，模型的改進並不會帶來太大改善我們的預測。 ”
歐洲中等天氣預報中心的牛津教授兼首席科學家蒂姆·帕爾默（Tim Palmer）解釋說，使用天氣氣球，表面和衛星測量值觀察大氣條件（例如所有云的位置）的能力的局限性意味著我們將永遠無法將正確的初始條件投入到我們的計算機模型中。這並不總是一個破壞交易的人，但有時是：“當流動特別不穩定時，在初始條件下的錯誤會在幾天內迅速增長並破壞預測的質量。在其他情況下，最初條件中的錯誤將更加緩慢，並且預測將保持熟練的熟練程度，” Palmer在一封電子郵件中寫道。
根據Roebber的說法，大氣對流（空氣的加熱和升高）是可能無法測量的情況的一個典型例子，然後可以引起天氣的大規模變化。例如，墨西哥灣上方的對流有時會在美國東南部引起雷暴，然後在東北激發暴風雪。 [所有狂野的天氣都連接了嗎？這是給出的
他說：“對我而言，與假設的大眾蝴蝶情景相比，大氣對流在影響大規模天氣和隨後的大氣可預測性中的作用更多。”
這個故事由生活的小謎，生命科學的姐妹網站。在Twitter上關注Natalie Wolchover @Nattyover。在Twitter @上關註生活中的小謎llmysteries，然後加入我們Facebook。
