Kaaottisessa järjestelmässä, kuten esimerkiksi ilmakehässä, ennustettavuus on rajoitettu. Yksittäinen numeerinen sääennuste tulee aina lopulta erkanemaan todellisesta ilmakehän tilasta. Numeeristen sääennusteiden parantamiseksi on kehitetty parviennusteet, missä yhden ennusteen sijasta tarkastellaan useamman ennusteen käyttäytymistä. Luotettavan parviennusteen luomiseksi on parven jäsenten alkutilat valittava tarkkaan. Parvi voidaan luoda niin, että arvioituun alkutilaan lisätään satunnaisia häiriöitä tai edeltävän parviennusteen pohjalta jalostettuja häiriöitä.
Tässä pro gradu -työssä tarkasteltiin, onko satunnaishäiriö- ja jalostushäiriömenetelmän luotettavuudessa eroa Lorenz-96-mallissa. Luotettavuutta vertailtiin kolmella eri todentamismenetelmällä: sijoitushistogrammilla, hajaantuminen-osuvuus-tuloksella ja sijoitustodennnäköisyystuloksella. Parviennusteet luotiin sekä täydelliselle että stokastiselle mallille. Häiriöiden kokoa vaihdeltiin neljän eri skaalausparametrin avulla. Ennen varsinaisten parviennusteiden luontia mallin kaaottisuus varmistettiin selvittämällä ensimmäinen Lyapunovin eksponentti sekä tarkastelemalla, kääntyvätkö satunnaiset häiriöt Lyapunov-vektorin suuntaan.
Tulosten mukaan häiriömenetelmien välillä oli eroa paikoin, riippuen käytetystä mallista ja skaalausparametristä. Täydellisessä mallissa jalostushäiriömenetelmä oli parviennusteen ajan hetkestä ja häiriön koosta riippuen luotettavampi kuin satunnaishäiriömenetelmä sijoitushistogrammin ja hajaantuminen-osuvuus-tuloksen osalta. Stokastisessa mallissa satunnaishäiriömenetelmä oli luotettavampi ainoastaan sijoitushistogrammin tulosten perusteella. Sijoitustodennnäköisyystulos ei antanut selviä viitteitä suuntaan tai toiseen kummankaan mallin osalta.
