162

kommen.  D.h.  es  sind  zwei  Sorten  von  Netzen  denkbar,  die  in  Abhängigkeit  von  der  vorhergesagten ­
  Windgeschwindigkeit  zur  Stauvorhersage  verwendet  werden.  Die  eine  Sorte  könnten
die  in  dieser  Arbeit  vorgestellten  Netze  zur  Vorhersage  in  Standardsituationen  sein.  Die
zweite  Sorte  könnten  Netze  sein,  die  evtl,  in  weiterführenden  Arbeiten  auf  die  Vorhersage  in
Extremsituationen  hin  spezialisiert  werden.

(a)
Gruppengröße:

50

75

100

200

300

Validationsfehler:

36

37

34

34

29

Vorhersagefehler:

49

57

48

51

58

(b)
Zeitraum  (1985  bis  ...)

■  :  1985

1986

1987

1988

1989  1990

1991

1992

Validationsfehler:

46

52

42

43

49  37

34

32

Vorhersagefehler:

53

61

58

62

60  45

50

46

Tab.5.21:  Vorhersage  des  Staus  bei  Cuxhaven  für  17  Hochwasser  mittels  des  optimalen  MR-Modells  bei  Windstärke ­
  9.  Mittlerer  absoluter  Fehler  (mae)  in  cm.  (a)  In  Abhängigkeit  von  der  Gruppengröße  des  zirkularen
Gruppenreduktionsverfahrens  (ZGR).  600  Lernvektoren.  Sie  entsprechen  78x78  Neuronen  und  maximal  250
Lernepochen.  Anteile  MD:ZGR  =  50:50.  (b)  In  Abhängigkeit  von  der  Länge  der  Zeitreihen  für  die  Selektion
(1  bis  8  Jahre).  100  Lernvektoren.  Sie  entsprechen  32x32  Neuronen  und  maximal  100  Lernepochen.  Anteile
MD:ZGR  =  0:100.  Gruppengröße:  25.
Somit  sind  auch  die  Ergebnisse  der  Vorhersage  des  Staus  zu  Hoch-  und  Niedrigwasserzeitpunkten ­
  bei  der  Anwendung  der  Kohonen-Netze  auf  die  Wasserstandsvorhersage  vorgestellt
worden.  In  dem  folgenden  und  letzten  Kapitel  wird  versucht,  sämtliche  Ergebnisse  noch
kritisch  zu  würdigen  und  sie  in  einen  größeren  Rahmen  zu  stellen.