天气预报有多大？
这个得看用什么工具进行预报，目前国内外主要用两种模式，数值模式和统计模式。 数值模式就是把大气当作一个巨型的随机数发生器来对待，通过不断的把当前时刻作为起点输入初始的气象要素场（气温、气压、风向风速等），让计算机生成未来一定时间步长的气温、气压、湿度、风向风速分布，这种模式可以做出10天以内的天气状况，比较准确的有欧洲 Center for Ocean-Land-Atmosphere Prediction (CLU) 开发的 EUROCLOUD 和 NCEP开发的 GFS；较准确的数值模式还有英国 Met Office 的全球模式（英国国家气象中心开发，为英国乃至整个西欧提供重要的天气预警和预测服务），以及日本气象厅的 JMA 模式等等。
这些模式的原理都是相同的，就是用初始的气象要素场通过计算得到未来的各种气象要素场，然后根据各个气象要素场的组合情况形成不同性质的天气过程。 但由于初值的误差和计算过程中的噪声等原因，这些模式生成的非线性系统是难以得到精确解的，因此需要建立在各种概率理论基础上，统计出可能出现的最优解或近似最优解。 这一类中比较有名的就是美国 NOAA/NWS 开发的 US 模式和中国气象局开发的 CMAP 模式，它们都通过大量的历史资料和数据进行了参数估计，因此可以在考虑初始条件误差的情况下得出比较可靠的未来预报。
当然，这一类的模式虽然可以利用历史数据得到较为合理的参数，但难以解决初始的条件问题，因此在短期内往往很难超越数值模式。 除了以上两类模式以外，还有一些利用人工智能算法的模式，这里就不多介绍了。