149 
Daten des statischen Luftdrucks bei ausgewählten Wetterstationen in Nordwest-Europa 
trainiert wurde. Einmal wurden 100 Lern Vektoren verwendet und zum anderen 400 Lernvek 
toren. 100 Lernvektoren entsprechen 32x32 Neuronen und maximal 100 Lernepochen. 400 
Lernvektoren entsprechen 64x64 Neuronen und maximal 200 Lernepochen. 
Modell 
Validations- 
Vorhersage- 
fehler 
fehler 
nur Wind 1985-1992: 
MR 
16 
21 
Wind und stat. Luftdr. Europa: 
MR 
16 
21 
(400 LV) 
Wind und stat. Luftdr. Europa: 
MR 
18 
(100 LV) 
Wind und L.druckänd. Europa: 
MR 
24 
(100 LV) 
Wind, st.Ldr. u. Ldr.änd. Europa: 
MR 
21 
(100 LV) 
nur Wind: 
Gesamtansatz 
18 
22 
Tab.5.14: Vorhersage des Staus bei Cuxhaven. Hochwasser direkt. Mittlerer absoluter Fehler (mae) in cm. Trai 
ningsvektoren nur mit dem Minimaldi stanz-Verfahren selektiert. Vergleich mit dem Gesamtansatz. LV: 
Lernvektoren. Zusatzprognosen: Luftdruck mittels KL-Modelle, Wind vom Seewetteramt. 
Wie bei den MW-Modellen so wurde auch bei den MR-Modellen überprüft, ob die Be 
obachtung des Wasserstandsvorhersagedienstes, daß die meisten meteorologischen Größen 
ihren größten Einfluß auf denjenigen Stau haben, der ihnen ungefähr drei Stunden später folgt 
(Kap.2.1.4, Kap.5.3), sich in den Kohonen-Netzen wiederfinden läßt. Auch bei den MR- 
Modellen wurde der Zeitversatz zwischen ein und fünf Stunden variiert und die entsprechen 
den Validationsfehler der MR-Modelle berechnet. Auch bei diesen Modellen war der Valida 
tionsfehler bei drei Stunden kleiner als die Validationsfehler bei den anderen Stunden. Der 
Unterschied war aber bei diesen Modellen mit ungefähr % cm nicht ganz so deutlich wie bei 
den MW-Modellen. Somit konnte die Beobachtung des Wasserstandsvorhersagedienstes bei 
den MR-Modellen nur mit Einschränkung wiedergefunden werden. 
Weiterhin wurde wie bei den MW-Modellen so auch bei den MR-Modellen überprüft, ob 
sich die vom Wasserstandsvorhersagedienst beobachtete Reihenfolge der Bedeutung der 
meteorologischen Größen wiederfinden läßt (Kap.2.1.3, Kap.5.3). Bei den MW-Netzen konnte 
diese Beobachtung nur bestätigt werden, indem die sechs meteorologischen Größen in drei 
Gruppen zu je zwei Größen zusammengefaßt wurden. Denn die Reihenfolge, daß der 
statische Luftdruck gegenüber der Luftdruckänderung die wichtigere Größe ist, konnte anhand 
der Validationsfehler der MW-Modelle nicht verifiziert werden. Bei den MR-Modellen 
dagegen ist dieser Trick der Zusammenfassung in drei Gruppen nicht mehr nötig. Zum 
Vergleich des Einflusses der Luftdruckdaten auf die Stau vorher sage wurden MR-Modelle 
nicht nur mit Wind- und Staudaten, sondern zusätzlich auch mit Luftdruckdaten an nordwest 
europäischen Wetterstationen trainiert (Kap.4.1.3). Es wurden drei MR-Modelle trainiert, bei 
denen jeweils folgende Zeitreihen zusätzlich zu denen des Winds und des Staus verwendet 
wurden: 1. Zeitreihen des statischen Luftdrucks, 2. der Luftdruckänderung und 3. Zeitreihen 
beider Größen. In Anlehnung an den Gesamtansatz (Kap.2.1.4) wurde für den statischen 
Luftdruck ein Zeitversatz von drei Stunden und für die Luftdruckänderung kein Zeitversatz 
gewählt. Für diesen Vergleich wurden nur 100 Lernvektoren gewählt. Die Validationsfehler