從上面尼伯特颱風案例我們可以了解，颱風路徑的不確定性和如何利用機率預報的概念來提供「不確定」的資訊，因此接下來討論系集預報的發展和應用。
我們知道大氣是高度非線性，而數值天氣預報的結果，對初始條件微小改變非常敏感，因此可能千分之一的誤差，都會讓計算結果截然不同。過去在愛德華・諾頓・羅倫茲（Edward Norton Lorenz）提出混沌理論之前，大家都以為只要靠學理和統計就能夠精準預測天氣， 但是氣象分析可能都是實際大氣的近似情況之一， 真實大氣狀況卻是非常難以精準描述。
目前短期數值天氣預報中，誤差往往是來自於初始的誤差而不是數值模式本身的誤差。因此單一的預報值已經不能滿足我們的需求，同時也必須考慮數值預報的不確定性或是各種可能的情況。
所以在系集預報中， 我們會估算初始情況的誤差分布，然後根據此分布範圍，就可以得到一個初值的集合，在此集合中每一個初始情況（成員），都可能代表未來實際大氣的真實情況。然後透過不同成員的集合，最後得到預報的不同情境分布，此一方法即為系集預報。
但是一個系集預報系統，並不是把所有預報成員都考慮進來就可以，必須討論其是否合理。因此理想的系集預報系統須包含三個要件：
- 每一個成員在預報系統的準確率應該差不多，不能發生某些成員的預報結果總是比其他成員來的好，這稱為成員等同性（equal-likelihood）。
- 由於每個成員代表大氣可能發生的情況之一， 當成員夠多時，大氣的真實情況就應該包含在系集預報中，因此系集預報成員間的標準差必須適宜，標準差不能太大（可能是誤報）或是太小（導致漏報太多）情況。
- 系集預報的標準差需能夠反應真實大氣情況的可預報性或是預報的可信度。當標準差較小時，可預報性愈高，則預報的可信度也愈高。反之，標準差越大時，容易造成誤報，因此預報可信度也較低。
目前集合預報的技術已經被廣泛應到各種尺度的數值預報試驗中，小至暴風尺度，雲尺度，大至季節、氣候的預報，都可以應用集合預報的概念。
一場對洪水系集預報案例，其中藍色實線為各流量預報成員，黑色虛線觀測流量， 水平線則為警戒流量線。（圖／Cloke HL, Pappenberger F. 2009）
目前水文預報對氣象上的降水系集預報寄予非常高的期望。水文系集預報利用大氣的數值預報模式（Numerical Weather Prediction, NWP）應用系集方法演算，產生多種氣象預報情境和預報的降水機率，然後透過降雨徑流模式推估水文模式之多種可能入流量，進而產生河川不同的水位和流量情況。
因此系集預報讓預報不像過去只能提供單一的確定值，還可以考慮到預報的不確定性，讓決策時能定量估計各種風險和後果，是預報與決策之間的橋樑，可使預報效益得到更好發揮。
