第39章 洛伦兹1963：确定方程为什么不保证长期轨道预测
39.1 三变量系统的建模代价
确定性常被误解成一种无条件预见能力：只要规律不变，未来就应当能够算得足够远。这个推论漏掉了初值信息与误差传播。规律可以明确规定每个状态怎样继续，实际研究者却只能用有限精度知道状态。若相近状态的未来逐渐分开，知道规律与知道自己究竟处在哪条轨道上，就成为不同问题。洛伦兹1963年的《确定性非周期流》把这种张力放进一个可计算的简化系统。[B17]
洛伦兹系统的常见无量纲形式为：dX/dt＝σ(Y－X)，dY/dt＝rX－Y－XZ，dZ/dt＝XY－bZ。X、Y、Z来自受热流体运动与温度结构的截断描述，与某个城市的风速、温度和气压并无直接对应。σ、r、b是模型参数。三个方程既包含线性增长或衰减，也包含变量乘积所体现的非线性耦合。有限变量使反复积分成为可能，耦合又使一个变量的增长改变其他变量的变化率；逐个变量朝固定平衡衰减的图像，因而不足以概括系统行为。
模型的简化有明确代价。从连续流体到有限变量，许多空间自由度被删去；边界、对流形式和参数范围也已经规定。因而，一条计算轨道不能直接当作真实大气的三维演变。它是研究动力性质的模型，不是完整天气预报器。其思想价值在于：即使在这样小而明确的系统中，确定性与长期单轨道可预见性也不能被轻易画等号。
方程的非线性可以从两项乘积看见。X与Z相乘影响Y的变化，X与Y相乘影响Z的变化。某个变量增长会改变另一个变量的变化方向，后者又反馈到原来的运动。这种联系使系统可能在不同区域间转换，而不是一直朝一个固定值靠拢。但非线性本身不等于混沌，某些参数下系统可以趋于平衡或形成其他较简单行为。不能看见乘积项就宣布不可预测。
可以对平衡点作一个简短教学分析。取σ＞0、b＞0，令三个时间导数为零，首先得到Y＝X；再由后两式得到零平衡点，以及在r大于一时可能存在的两个对称非零平衡点，在b＞0、r＞1时，X＝Y＝±√[b(r－1)]，Z＝r－1。这个代数步骤说明，系统方程具有明确结构，绝不是随意随机游走。至于这些平衡点是否稳定，以及轨道在指定参数下怎样行为，还需要线性稳定分析与数值或更严格的动力研究。
耗散也能从相空间散度看见。三个方程右端对各自变量的偏导相加，为－σ－1－b；在正参数下为负。它表示局部体积元在相空间中受到总体收缩作用，但不能单凭这一条就证明存在混沌吸引子。收缩与某些方向的伸展可以并存，这种组合为复杂的有界行为提供可能。把“总体收缩”误读成所有轨道互相靠近，或者把“局部伸展”误读成轨道必然无限发散，都会失去动力几何的关键差别。
洛伦兹意义的混沌是在明确方程与相空间中规定的动力性质，SDE三态理论中的混沌态则有其关于规定性与发生的定义。两者使用相同名称，却没有因此建立数学同一性。以下数值实验只讨论洛伦兹系统的扰动演化；SDE分析另在预测任务、比较操作与评价条件的变化中展开。这样，轨道是否敏感与研究对象如何重新规定，分别由动力证据和研究实践的证据承担。
对相邻状态作线性化，可以更清楚地看见误差怎样进入方程。记微小差异为(δX,δY,δZ)，则其变化由沿当前轨道变化的雅可比矩阵控制。第一行含－σ与σ，第二行含r－Z、－1与－X，第三行含Y、X与－b。系数随轨道上的X、Y、Z改变，所以同一个大小的初始误差放在不同状态或不同方向上，可能经历不同增长过程。初值敏感不是一个与状态无关的神秘放大器。
这一线性化也指出“最大误差方向”的意义。某些扰动方向可能暂时收缩，另一些方向被伸展；经过一段演变，误差形状会被旋转和拉长。真实预报中的误差因此不宜总用每个变量相互独立、大小相同的圆球表示。即使只在小系统中，这种几何也要求研究者关心误差之间的关联，而非只关心每个数的小数位。
39.2 相邻轨道与精度复查
要讨论初值敏感，最直接的计算是从两个很近的初始状态出发，使用同一方程观察差异。但这个程序有一个陷阱：数值算法自身也会引入误差。若步长过大，两条轨道分离可能主要来自计算不准确；若积分很久，即便相同初值用两种算法也可能不再逐点重合。因此，展示一幅分叉图之前，必须把动力差异与数值差异分开考察。
本书为说明这一点执行了一项小型教学计算，不把它当作1963年原算例的复现。参数取σ＝10、r＝28、b＝8/3，初值分别为(1,1,1)与(1＋10⁻⁵,1,1)。采用经典四阶Runge—Kutta方法，分别用0.01、0.005、0.0025与0.00125的时间步长积分到无量纲时间20，并记录三个变量的欧氏距离。[R39a] 这里的时间单位属于模型，不能换算成真实天气的小时或天。
结果不是从一开始就按同一倍数持续增长。以最细步长为例，时间5的距离约为1.25×10⁻⁵，时间10约为1.76×10⁻⁵，时间15约为2.38×10⁻⁴，时间20约为9.24×10⁻³。初始距离为10⁻⁵，经过这段计算后放大了约九百倍。这个数字只描述本次指定初值和区间，不是系统的通用增长率，更不是大气的统一预报极限。
步长比较使解释更有节制。在时间20，0.005、0.0025与0.00125所得相邻轨道距离均在约0.00924附近，而0.01给出约0.0107，偏离较明显。相同初值轨道在不同步长下也存在差异，且到后期比早期显著。因此，这项实验支持在所选参数与有限区间内存在稳定可见的扰动放大现象，却不构成对精确轨道的严格误差界证明。细步长间的相近结果是一项数值检查，不是数学定理。
为什么需要同时比较两类距离？第一类是在同一步长下比较两个初值，主要用于看扰动演化；第二类是保持初值相同而改变步长，用来估计算法敏感性。只做第一类，很容易把算法问题归给动力；只做第二类，又可能把动力敏感导致的长时逐点失配误认为方法完全无效。两类比较共同限定我们能够说什么。
有限精度也不只有步长。浮点舍入、输出截断与初值记录位数都会改变起点或计算路径。若研究问题是很长时间后的具体位置，需要更严格的高精度与误差控制；若问题是某种统计特征，则可以采用不同检验。但不能因为长期轨道无法逐点重合，就自动宣布统计量可信。不同问题需要独立的收敛检查。
还可以改变初始扰动方向。仅沿X方向扰动是一种选择，沿其他方向可能在初期表现不同；误差增长与状态所在区域也有关。某些阶段差异暂时缩小，之后再扩大，并不反对初值敏感。所谓指数增长常是某种局部或平均描述，不是要求每一瞬间距离都单调增加。把轨道距离画在对数坐标上可以帮助观察，但拟合一条直线之前仍需说明区间与饱和影响。
当距离接近系统典型尺度时，增长不能继续按同一指数无限延伸。有界吸引域使两条轨道最终可能都留在同一大区域，距离出现起伏或饱和。此时“失去单轨道可预测性”不等于“系统飞向任意远处”。我们失去的是对具体状态位置的精细确定，并非失去关于允许区域的全部知识。这个区别对天气预报和气候统计的关系尤其重要。
步长和精度比较也规定了这个教学实验的可撤回条件。若在更小步长、更高精度或其他可靠方法下，所观察的分离消失，就需先检查算法；若扰动放大在多种受控设置下保持，则得到有限区间的数值支持。参数、算法及结果见附录四，可据此复查两类距离。它提供的是计算证据：严格的混沌判定及精确轨道误差界，还需要相应的数学分析。
离散算法实际上定义了一个与连续方程相关、却不完全相同的更新映射。四阶Runge—Kutta在每个时间步评估几个中间斜率，并加权组合得到下一状态；它的局部误差阶数描述步长趋于零时的近似性质。这个阶数不能直接保证任意长积分后仍与精确解逐点接近，尤其在误差会被动力放大的系统中。算法理论与动力理论需要一起理解。
因此，比较步长时应先固定实际积分终点，再逐步缩小步长，检查同一有限区间上的结果。若不断延长终点，同时要求两种步长轨道永远重合，就是把两个极限混在一起。有限时间收敛不等于长期精确跟踪，长期逐点失配也不反对有限时间数值解的有效性。这种区分让敏感系统仍然可以被认真计算，而不落入“既然混沌，一切数值都没意义”的误解。
本次教学计算还有一个可学习之处：早期距离几乎不增长，后期才明显放大。如果只截取时间零到五，可能低估敏感性；如果只截取最后一小段，又可能把局部增长率过度推广。实验设计必须说明观察区间，而不能挑选最戏剧化的画面。把所有指定检查点同时报告，比只展示最终分离更能体现计算的真实内容。
39.3 非周期不等于一切随机
确定性指的是，在适用条件下，同一初值与同一方程规定同一演变；周期性指轨道经过一定时间后重复。两者没有逻辑上的等价关系。确定系统可以非周期，随机系统也可能呈现显著周期成分。把“无法长期精确预测”直接翻译成“没有规律”，等于混淆方程结构、初值知识与预测任务三个层次。
一条非周期轨道也不必满足所有混沌判据。准周期运动就是提醒：不严格重复可以来自多种机制。讨论洛伦兹系统时，应该明确关注其非线性耦合、有界演化与相近轨道的敏感差异，而不是只以图像看起来复杂为据。图像复杂度会随投影、分辨率和绘制时长改变，不能独立承担动力分类。
随机性同样有不同来源。外部噪声、未解析过程或观测误差可以在实际天气模型中表现为随机项；确定混沌则可以在没有外加随机驱动的方程中出现。二者在观测上有时不易区分，但概念上不能互相代替。若从一段有限、带噪声的自然时间序列中判断混沌，需要处理采样、非平稳性与替代模型，远比画出一条不规则曲线困难。
轨道预测与统计描述又是不同任务。即使无法确定很久以后某个时刻的具体状态，仍可能研究轨道在不同区域停留的比例、某个量的长期平均或极值分布。但这些统计性质是否稳定，需要证明或计算检验；不能因为某个吸引子看起来有两个翼，就断言两侧停留概率永远相等，也不能把有限样本均值当作系统唯一不变量。
从天气到气候的推广尤其需要小心。天气预报关心给定初始条件后某段未来的状态，气候问题常涉及在一定边界与强迫条件下的统计分布。初值敏感可以限制前者的远期精确轨道，却不自动取消后者；边界强迫变化也可能改变统计分布。另一方面，统计预测并非天然容易，模型偏差、慢变量和极端尾部都可能造成困难。不能用“天气不可预测、气候可预测”这种对称口号替代具体论证。
对哲学而言，洛伦兹的启发不是宇宙突然丧失因果，而是人的有限信息进入了预测能力的定义。方程中的确定性，是关于给定条件的演变关系；科学实践中的可预报性，还取决于初值误差、模型误差、目标变量和允许误差。把这些条件写进判断，并不降低物理规律的地位，而是使规律如何成为可用知识更准确。
SDE在此可以揭示一种对象重定：原先想问“任意远的未来究竟在哪里”，后来转而问“在当前信息下，哪些变量、哪些时距能够维持可接受误差”。S不再只有单条轨道，也可以是条件化预测区间或状态集合；D不再只有一次积分，而包括扰动实验与误差比较；E是非线性耦合及有限信息对预测范围的共同限制。这种重定发生在研究任务与表示方式上，不是认识活动改变了洛伦兹方程本身。
用概率描述初值，不意味着把确定方程改成随机方程。可以让一个初始概率分布中的每个状态都按同一确定模型演变，分布随之被拉伸、折叠和搬运。概率反映我们对起点的有限知识，动力仍然确定。如果再加入随机模型误差，则是另一层假设。区分这两层，能够避免把集合成员之间的差异一概解释为自然本身的随机性。
同样，集合平均未必是一条真实可行轨道。若一半成员在一个状态区域，另一半在另一区域，二者平均可能落在少有成员经过的位置。平均值对某些损失函数有用，却可能不代表最典型的未来。概率预报需要同时报告分布形态、可能的多峰和事件概率，而不是用一条平均线重新伪装成确定未来。这是预测对象从轨道走向分布后新增的表达责任。
长期统计还要面对取样相关。沿一条轨道每隔很短时间取值，样本很多，却不等于相互独立；相邻状态可能高度相关。估计平均值或极端概率时，应考虑有效样本量和等待时间。若某类稀有转换很少出现，短积分无法可靠估计其概率。复杂动力不会自动赠送丰富统计信息，仍需要合适的实验长度与不确定性分析。
本章也不把蝴蝶图形当作因果解释。某个微扰后来与大差异相伴，并不意味着现实中的任意微小行动都能按意愿控制远方天气。敏感依赖说明预测需要精确条件，不说明控制者知道怎样选择微扰以获得指定结果。控制、因果归因与可预报性属于不同任务，不能从“微小差异会放大”跳到“任何小事都决定一切”。
方程、参数、初值与算法使敏感依赖成为可以复查的问题。蝴蝶比喻便于传播，却没有给出扰动方向、增长区间和允许误差；把它直接用于其他对象时，这些缺项仍需补足。例如，某个观测量对微扰是否敏感，可能与全状态轨道是否分离不同。洛伦兹模型带来的思想变化，应落实到指定预测任务能够维持多久，而不能仅由一幅复杂图形扩展成普遍结论。
敏感系统中的可预测性还具有变量选择问题。两个状态在三维欧氏距离上已经明显分开，某个粗粒度量却可能仍然接近；反过来，一个阈值事件可能对小的状态差别十分敏感。因此，必须先说明允许误差是针对全状态、某个分量、区域平均还是事件发生。没有目标变量的“预测极限”，往往只是把不同任务混为一谈。
观测精度与模型精度也不能任意互相替代。若初值已经很精细，而模型结构有系统偏差，继续增加初值位数可能收益有限；若模型在目标尺度上较可靠，而初始场缺少关键方向的信息，改善观测又可能很有价值。一个有效研究计划应比较这两类误差在指定时距上的贡献，而不是把所有不确定性归给混沌。混沌解释不能成为放弃修复普通错误的借口。
概率预报的检验进一步改变成功的定义。若系统在许多类似场合报告某事件概率为七成，那么这些场合中事件发生的频率应与之相称；单次没有发生，并不能独自证明七成概率错了。与此同时，一个永远报长期平均概率的系统可能校准尚可，却缺少区分不同情境的能力。可靠性与分辨能力需要一起判断。这是从轨道到概率后新增的任务，不是降低标准以逃避错误。
这种变化也影响主体的学习。预报者必须学会表达有条件的不确定性，使用者则要根据损失与收益决定行动阈值。科学并未退回含糊，而是把不确定性本身变成可检验对象。若所有概率都无法校准，或信息不比简单基准更有用，新的表达方式仍应接受失败，不能仅凭承认复杂性而获得豁免。
误差阈值还取决于行动。航线规划、农业安排与基础研究允许的偏离不同，同一预测系统可以对一项任务已失去技能，对另一项仍然有用。这里没有必要把价值判断塞进动力方程，却需要把评价标准放在实际任务中说明。确定系统的敏感性给出物理约束，主体与工具复合体则据此选择可承担的问题。二者共同规定可用预测的边界，但不能互相替代：行动需要不能让不可识别的轨道变得可识别，物理限制也不直接决定所有行动选择。
39.4 预测任务怎样被重新规定
如果初值误差在某一阶段近似以正增长率λ放大，可以写一个教学关系：误差约等于初始误差乘以exp(λt)。当允许误差为ε，初始误差为δ时，达到阈值的时间近似为ln(ε/δ)/λ。这个公式依赖增长率近似恒定、误差尚未饱和等条件，但它说明一个重要现象：把初值误差减少十倍，预测时距增加的是一个对数意义上的量，而不是自动延长十倍。
这并不意味着提高观测精度没有价值。更准的初值可以改善短期预测，也可能把关键事件的可用时距向后推进；某些状态的误差增长较慢，改善还会更有收益。问题在于收益应按具体动力与任务衡量，而不是以“只要更精确就没有极限”为原则。有限可预报性把资源投入问题变得更细：在哪里提高精度、提高哪种变量、为了哪一种决策，往往比抽象地追求所有数值更精细更重要。
集合方法是一种自然的后续方向：用一组合理初值或模型设定表示不确定性，比较它们的演变。集合分散可以提供风险线索，但不能直接等同于真实概率。若初始集合没有覆盖关键误差方向，全部成员一致也可能共同错误；若模型误差未被表达，集合可能过于自信。概率任务需要校准、可靠性检验与足够多的独立案例，而不是把多条线画在一起就结束。
历史上，现代集合预报与概率业务经过后续多项研究和系统建设，不应全归结为1963年一篇论文的直接发明。洛伦兹的节点在于明确展示某种确定动力与长期轨道预测之间的张力，为后来重定任务提供了强有力的思想资源。思想影响、方法形成与业务实施属于不同时间线，保持区别才能尊重后续工作的创造性。
预测目标也可以转向事件。用户可能并不需要二十天后某一小时每个网格的风，而需要某段时间是否更可能出现某类形势，或某个阈值被超过的风险。目标变粗不保证一定可预测，但可能与系统保留的信息更相称。科学任务的成熟，不只是延长同一目标的时距，也包括选择在给定条件下真正具有可检验意义的问题。
这些变化为SDE的分析相位提供了不同层次的材料。动力性质的认识使原有预测对象受到限制，扰动与精度比较改变研究操作，有限时距与概率检验则重新组织评价关系。这些层次可以先后出现，也可能只有其中一部分成立。例如，增加扰动实验而仍使用原有目标和评分方式，首先改变的是操作；只有目标与判据也被重新规定，才能讨论更广的关系重组。发生强度由这些实际变化决定。
本章也留下一个实践出口。初值不可能无限精确，却仍然可以通过观测与模型联合估计得更好。观测不完整、有误差，模型也有偏差，二者怎样在明确误差条件下形成下一次预报的起点？下一章讨论资料同化。它不承诺消灭混沌，而是在有限信息中尽量形成相容、可用并能够持续修订的分析场。
本章引用的来源条目
B17 Lorenz (1963), Deterministic Nonperiodic Flow 原始来源入口