accessibility__skip_menu__jump_to_main

Full text : Wasserstandsvorhersage mittels neuronaler Netze (BSH-Berichte, Nr. 15)

126

sich  als  sehr  aufwendig.  Theoretische  Abschätzungen  für  die  optimalen  Längen  sind  dem
Autor  nicht  bekannt.  Darum  wurde  der  Einfachheit  halber  eine  Hintereinanderreihung  des
Gesamtansatzes  vorgenommen.  D.h.  das  MR-Muster  des  Gesamtansatzes  wurde  18mal
hintereinander  gereiht,  so  daß  sich  sowohl  für  die  Indikationszeiträume  des  MW-Musters  als
auch  für  seinen  Prognosezeitraum  jeweils  18  Zeitpunkte  ergaben.  Da  im  Gesamtansatz
zweimal  die  gleiche  meteorologische  Größe  auftaucht  (der  statische  Luftdruck)  nur  mit
unterschiedlichem  Zeitversatz,  wurden  die  beiden  Indikationszeiträume  von  jeweils  18  Zeitpunkten ­
  zu  einem  Indikationszeitraum  von  21  Zeitpunkten  zusammengefaßt  (siehe  Abb.5.4
oben).  Sowohl  beim  MW-  als  auch  beim  RW-Modell  wurde  ebenfalls  zusätzlich  von  der
hintereinandergereihten  zeitlichen  Struktur  des  Gesamtansatzes  abgewichen.  In  diesem  Fall
wurde  aber  zusätzlich  der  Fall  getestet,  daß  nur  der  Wind  allein  den  Stau  beeinflußt
(Kap.5.3).
Beim  MR-  und  beim  MW-Modell  sind  jeweils  Zusatzprognosen  erforderlich  (Kap.2.2.1
und  Kap.2.2.7).  Da  beim  MW-Modell  die  Zeitversätze  der  Indikationszeiträume  kleiner  als
die  Länge  des  Prognosezeitraums  und  teilweise  sogar  gleich  Null  sind  (z.B.  beim  statischen
Luftdruck),  überschreiten  die  Indikationszeiträume  zum  großen  Teil  den  Bezugszeitpunkt.
D.h.  diese  Zeiträume  überlappen  sich  zeitlich  mit  dem  Prognosezeitraum.  Das  bedeutet,  daß
zuerst  die  Indikationszeitreihen  selbst  vorhergesagt  werden  müssen,  bevor  eine  Vorhersage
für  die  Prognosezeitreihe  erstellt  werden  kann.  Diese  Zusatzprognosen  müssen  beim  MW-Modell
  aus  stündlichen  Werten  bestehen.  Dabei  kann  der  jeweilige  Zeitversatz  schon  berücksichtigt ­
  werden.  Z.B.  brauchen  für  den  Wind  nur  15  Stunden  vorhergesagt  zu  werden  (siehe
Abb.5.4  Mitte).

KL:
MR:
RW:
MW:
DKL:

v KL .t,i  =  {(AH) M+I ,...  (AH) t ,  (AH) t+1 ,...  (AH)^} 1

i  =  L-..I

r  MR,  t

=  d ,-2>  P.-2.  Pi+1.  (Ap/  At) t+1 ,  T u _ 2 ,  (T L -T W ), 2 ,  (AH)^,} 1

Vrw.i  =  {fp  d P  Pp  (Ap/  At) t ,  T u ,  (T L -T W )„  (AH) t+ „...  (AH)^} 1

'NW,  t

=  {f t -2v  f,+15.  d t-2v  d t+I5>  P.-2V  P, + ig,  (Ap/  At) t+ „...  (Ap/  At) t+lg ,
Tl,i-2>-  Tl.i+15’  (TL _ T w )t-2>—  (T L -T w )t + 15,  (AH) t+] ,...  (AH) t+lg }

nur  für  die  Windvorhersage:
''dkl,  t,  i  —  üt-i+1’"'  (p  d l-i+1’  —  d p  ^t+15’  d t-t-1’  —  d t+is}

i  =  1....I

t:  Bezugszeitpunkt
t+1:  erster  Zeitpunkt  des  Prognosezeitraums
f,  d,  p,  Ap/  At,  T L ,  T w ,  AH:  siehe  Formel  [2.1]

Tab.5.2:  Spezifizierte  Zeitmuster  als  Vektoren  dargestellt.  Beim  KL-  und  DKL-Modell  kann  die  Länge  der
Indikationszeiträume  variieren  (i=l,...I).
Beim  MR-Modell  gibt  es  diese  Überlappung  zwar  nicht.  Die  Indikationszeiträume  von  jeweils
einem  Zeitpunkt  überschreiten  aber  ebenfalls  den  Bezugszeitpunkt.  Daher  müssen  die  Indikationszeitreihen ­
  auch  bei  diesem  Modell  vorhergesagt  werden,  bevor  eine  Vorhersage  für  den
einzigen  Zeitpunkt  des  Prognosezeitraums  erstellt  werden  kann.  Beim  MR-Modell,  das  auf
stündliche  Werte  angewandt  wird,  müssen  die  Zusatzprognosen  wie  beim  MW-Modell  aus
            
Waiting...

Note to user

Dear user,

In response to current developments in the web technology used by the Goobi viewer, the software no longer supports your browser.

Please use one of the following browsers to display this page correctly.

Thank you.