Neuronale Netze - D. Kriesel
Neuronale Netze - D. Kriesel
Neuronale Netze - D. Kriesel
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
1. Haben wir überhaupt Anhaltspunkte dafür, dass die Zukunft der Zeitreihe auf<br />
irgendeine Weise von ihrer Vergangenheit abhängt? Steckt in der Vergangenheit<br />
der Zeitreihe also Information über ihre Zukunft?<br />
2. Haben wir genug vergangene Werte der Zeitreihe als Trainingsmuster?<br />
3. Im Falle einer Vorhersage einer kontinuierlichen Funktion: Wie müssen wir ∆t<br />
sinnvollerweise wählen?<br />
Wir wollen diese Fragen nun etwas näher beleuchten.<br />
Wieviel Information über die Zukuft ist in der Vergangenheit einer Zeitreihe vorhanden?<br />
Dies ist mit Abstand die wichtigste Frage, die wir für jede Zeitreihe, die wir in<br />
die Zukunft abbilden wollen, beantworten müssen. Sind die zukünftigen Werte einer<br />
Zeitreihe beispielsweise überhaupt nicht von den vergangenen abhängig, so ist überhaupt<br />
keine Zeitreihenvorhersage aus ihnen möglich.<br />
Wir gehen in diesem Kapitel von Systemen aus, deren Zustände auch auf ihre Zukunft<br />
schließen lassen – deterministische Systeme. Dies bringt uns erst einmal zu der Frage,<br />
was ein Systemzustand ist.<br />
Ein Systemzustand beschreibt ein System für einen bestimmten Zeitpunkt vollständig.<br />
Die Zukunft eines deterministischen Systems wäre durch die vollständige Beschreibung<br />
seines aktuellen Zustands also eindeutig bestimmt.<br />
Das Problem in der Realität ist, dass ein solcher Zustandsbegriff alle Dinge umfasst,<br />
die auf irgendeine Weise Einfluss auf unser System nehmen.<br />
Im Falle unserer Wettervorhersage für einen Ort könnten wir die Temperatur, den<br />
Luftdruck und die Wolkendichte als den Wetterzustand des Ortes zu einem Zeitpunkt<br />
t durchaus bestimmen – doch der gesamte Zustand würde wesentlich mehr umfassen.<br />
Hier wären weltweite wettersteuernde Phänomene von Interesse, genauso wie vielleicht<br />
kleine lokale Phänomene, z.B. die Kühlanlage des örtlichen Kraftwerks.<br />
Es ist also festzuhalten, dass der Systemzustand für die Vorhersage wünschenswert,<br />
aber nicht immer zu bekommen ist. Oft sind nur Teile des aktuellen Zustands erfassbar<br />
– wie beim Wetter die verschiedenen angesprochenen Wettergrößen.<br />
Wir können aber diese Schwäche teilweise ausgleichen, indem wir nicht nur die beobachtbaren<br />
Teile eines einzigen (des letzten) Zustandes in die Vorhersage mit einfließen<br />
lassen, sondern mehrere vergangene Zeitpunkte betrachten. Hieraus wollen wir nun<br />
unser erstes Vorhersagesystem formen: