这是诗意的，这一观点是，巴西蝴蝶翼的襟翼可以引发一系列大气事件，几周后，这刺激了德克萨斯州龙卷风的形成。这种所谓的“蝴蝶效应”用于解释为什么不能预测天气等混乱系统超过几天。一个人不了解影响气氛的每个小因素 - 巴西每只蝴蝶的每一个颤动 - 因此，几周后，几乎没有希望预见到确切的时间和席卷风暴。
蝴蝶效应更加令人愉悦，因为导致其发现的计算机模型类似于蝴蝶。数学家爱德华·洛伦兹（Edward Lorenz）在1960年代创建了名为“奇怪吸引者”的模型。这是一条在两个相邻椭圆形周围旋转的线，将混沌解决方案映射到一组相互关联的方程式上。洛伦兹发现，吸引子的形状对初始条件极为敏感。仅在任何方向上移动其起点，就导致线绘制了完全不同的蝴蝶。
奇怪的吸引者导致科学家得出结论，许多现实世界中的股票市场，德克萨斯龙卷风季节 - 必须同样无法预测，此后一直将蝴蝶效应作为混乱的解释。但是，尽管这实际上是错误的：巴西的一只蝴蝶可以像喜欢的那样猛烈地颤抖，但仍然不能鞭打德克萨斯州的龙卷风。
“如果蝴蝶数学家兼作家戴维·奥雷尔（David Orrell）告诉《生活中的小谜》，它的效果确实被削弱了。
琐碎的拍打
蝴蝶的翅膀的每个皮瓣都会对周围的空气分子施加压力，以便向上推动昆虫。每个皮瓣会导致蝴蝶周围的气压发生很小的变化，但是与空气的总压力相比，这种波动微不足道，大约大约100,000倍。气压变化是改变天气的关键因素之一，但是在蝴蝶的情况下，空气分子很容易吸收机翼襟翼的打击，因此距离蝴蝶几英寸远。湍流它的原因将消失。 [解释：大黄蜂的物理飞行这是给出的
奥雷尔（Orrell）在牛津大学（University of Oxford）的非线性系统博士学位博士学位上写道，关于科学和外行观众的气象，生物学和经济学等领域的预测制定。他最畅销的著作《一切事物的未来：预测科学》（Thunder's Press，2006年）描述了气象学家在预测天气时面临的极端困难，这对压力和温度（例如压力和温度）的变化非常敏感，以至于无法准确投影到几天以上。对温度的估计仅一小部分，即塞匹赛，后来导致了一系列错误，从而使预测看起来超过了几天，但不到几周，尤其是具有挑战性。
但是，“带来改变的变化要比蝴蝶拍打翅膀大得多，”奥雷尔说。
他说：“我认为从数学上讲，洛伦兹的吸引子是一个非常重要的发现。” “但是随后它被接管了一些借口。人们开始将混乱理论应用于许多系统，并说：'好吧，这种属性对初始条件很敏感，因此我们无法做出准确的预测。'”
实际上，根据Orrell的说法，只有在简化的混乱模型中，像奇怪的吸引子一样，微观变化会产生巨大的后果，并最终导致吸引子与原本所采取的路径不同。更复杂的计算机模型（例如气象学家使用的计算机模型）更加可靠。正如奥雷尔（Orrell）和其他几位数学家在2001年证明的团队一样，将蝴蝶般的尺寸骚扰输入这些天气模型不会导致模型的结果差异。如果天气系统中的其他因素（例如温暖的大西洋温度，高湿度和较低风剪的西风）正在携带力以驱动飓风的形成，机翼的襟翼或缺乏翅膀的襟翼不会阻止它们。
Orrell说，无论如何，对于机翼瓣确实可以呈指数增长的想法并没有多大意义。 “如果您想象对空气进行建模，然后用蝴蝶翼的襟翼将其扰动，那么您就不会期望从另一端出来呈指数级的更大波浪。”使用蜂窝自动机对湍流进行建模，这是数学家斯蒂芬·沃尔夫拉姆（Stephen Wolfram）开发的一种方法，并在他著名的著作《一种新科学》（Wolfram Media，2002）中解释了，也表明，机翼的能量将消散，而不是构建。简而言之，蝴蝶无法激发暴风雨。 [5认真令人难以置信的数学事实这是给出的
那么预测是什么？
如果蝴蝶效应不是真实的，那么为什么我们人类不能提前几天超过几天才能准确预测天气？
事实证明，这个问题的答案是有争议的。根据他的研究，Orrell认为计算机模型本身会出现错误 - 例如，过度简化方式大气压力和湿度相互作用- 比小小的扰动更为严重地影响天气系统的结果。他认为，气象学家应该致力于完善他们的气氛模型，而不是因为混乱而举手。奥雷尔说：“我的看法是，模型错误更可能导致我们无法进行天气预报比混乱。”
其他科学家不同意。威斯康星大学 - 米尔沃基分校的数学家和气象学家保罗·罗伯（Paul Roebber）认为，尽管蝴蝶级混乱并不影响天气预测的成功，但较大的扰动仍然起着重要作用。
Roebber说：“我同意[Orrell]的观点，即蝴蝶尺度的影响会被抑制，但是从天气角度（例如个体云）的影响仍然是很小的影响，这些影响更有可能成长和重要。” “所以蝴蝶：好。但是单个云：这些可能会从现在起五到10天极大地影响预测，直到我们可以解决这些预测之前，模型的改进并不会带来太大改善我们的预测。”
欧洲中等天气预报中心的牛津教授兼首席科学家蒂姆·帕尔默（Tim Palmer）解释说，使用天气气球，表面和卫星测量值观察大气条件（例如所有云的位置）的能力的局限性意味着我们将永远无法将正确的初始条件投入到我们的计算机模型中。这并不总是是一个破坏交易的人，但有时是：“当流动特别不稳定时，在初始条件下的错误会在几天内迅速增长并破坏预测的质量。在其他情况下，最初条件中的错误将更加缓慢，预测将保持熟练，预测将保持一周或更高的时间，” Palmer在一封电子邮件中写道。
根据Roebber的说法，大气对流（空气的加热和升高）是可能无法测量的情况的一个典型例子，然后可以引起天气的大规模变化。例如，墨西哥湾上方的对流有时会在美国东南部引起雷暴，然后在东北激发暴风雪。 [所有狂野的天气都连接了吗？这是给出的
他说：“对我而言，与假设的大众蝴蝶情景相比，大气对流在影响大规模天气和随后的大气可预测性中的作用更多。”
这个故事由生活的小谜，生命科学的姐妹网站。在Twitter上关注Natalie Wolchover @Nattyover。在Twitter @上关注生活中的小谜llmysteries，然后加入我们Facebook。
