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。

1. 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）。
2. 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。
3. 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。