什么天气预报最准2017？
现在国内的天气预测模型主要是基于统计方法的，就是利用过去的数据来建立某种数学关系，然后预测未来。其实这就是一个假设——过去的气象数据和未来的气象数据存在一定的函数关系，但是是否存在这样的函数关系是未知且无法验证的。所以这种类型的预测都是概率性的，所谓的“最准”其实是基于大量历史数据测试得出的概率最大值，这本身是一个统计学概念而不是确定的必然事件。
举个例子吧：比如今天某地天气有40%的可能性下雨，30%的可能性起风，20%的可能性晴朗，还有10%的概率发生龙卷风（虽然这个概率很小）……那么该地的准确预报应该是今天的最高温度在25℃左右，最低温度18℃，白天多云，夜间有阵雨。也就是说通过今天的气象要素可以推算明天的天气可能性达到90%以上。 但如果细致到每小时，由于时间维度增加，参数个数也会水涨船高，而参数个数越多，拟合出来的函数图形变化就会越复杂，这时任何人的智商都不可能像算法一样自动找到其中隐含的规律并构造出唯一的计算方案（当然你可以让计算机去尝试，但这样得到的结论其实并没有实际意义）。而且随着时间推移，之前的历史数据会发生变化，需要不断加入新的数据才能保持预测的准确性。所以“最准”其实是在大量数据基础上的一种近似分析，是没有办法找到一个计算公式的。
那为什么同样是基于统计方法，美国的数值模式能够比我国更准呢？这其中有国情不同而导致的研究侧重和数据来源的差异性所导致的。 我国的气象观测站以地面观测为主，即一定面积范围内观测点的分布具有均匀性，以此来获取大气的温度、湿度、气压等基本参数，然后再通过这些基本参数以及各地距海洋的距离、地形地貌特征等因素输入电脑中构建本地化的气象模式。优点是数据量大，能充分反映某个区域大范围的气象特点；缺点是不可能很精确地刻画局部的细节，对突变性灾害性天气的预测能力欠佳。另外我国模式建立的初始数据通常只更新到前一天（例如北京540模块的初始数据只更新到昨天），难以适应快速变化的短期气候特征。
美国NCAR的数值模式则侧重于中尺度气象现象的研究，由于其国土面积远远小于我国，因此可以在更小的地理范畴内设置观测站点，进而可以得到更为详细的地形地貌特征和大气边界条件。另外其初始数据更新频率高，可以达到每6小时一次甚至更高。所以在短临预报上具备国内模式所不具备的优势。但这并不说明我国模式就比不上美国模式，只是强调各有优势罢了。