162 
kommen. D.h. es sind zwei Sorten von Netzen denkbar, die in Abhängigkeit von der vorher 
gesagten 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 Wind 
stärke 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 Niedrigwasserzeit 
punkten 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.