Darstellung und Analyse hydrologischer Topologien auf der Basis ...

2.4 Künstliche neuronale Netze 33
b
PSfrag replacements
a
b
c
d
e
f
g
h
i
j
k
l
m
PSfrag replacements
a
f
c
e
j
k
m
d
h
l
g
i
Abbildung 2.3: Bearbeitungseinheiten mit lateralen Stoffflüssen im Raum (links) und als
Graph (rechts)
Aus diesen Gründen ist es notwendig, ein Optimierungsverfahren zu entwickeln, welches die genannten
Anforderungen – geringer Aufwand zur Berechnung der Zielfunktion sowie eine geringe Anzahl
von Evaluationen durch eine zielgerichtete Suche – erfüllt.
2.4 Künstliche neuronale Netze
Bei genauer Betrachtung des in Abschnitt 2.2 beschriebenen Problems lässt sich leicht erkennen,
dass sich die räumlichen Einheiten zusammen mit den lateralen und vertikalen Stoffflüssen als gerichteter,
zyklenfreier Graph darstellen lassen. Abbildung 2.3 zeigt einen solchen Graphen, der aus
einer Reihe von räumlichen Einheiten und lateralen Flüssen (rote Pfeile) zwischen diesen Einheiten
abgeleitet wurde. Die lateralen Flüsse verlaufen stets von einer räumlichen Einheit zur zugehörigen
Downstream-Einheit.
Wird außerdem die N-Austragsfunktion der Bearbeitungseinheiten als zusätzliche Eigenschaft der
Knoten repräsentiert, entsteht aus diesem Graphen mit einigen zusätzlichen Erweiterungen ein (künstliches)
neuronales Netz. In den folgenden Abschnitten wird dargestellt, wie bei geeigneter Parametrisierung
mit einem solchen Netz die Stickstoffaustragsfunktion des gesamten Einzugsgebietes dargestellt
werden kann. Im folgenden Abschnitt erfolgt daher zunächst eine kurze Beschreibung des
Aufbaus und der Funktionsweise von neuronalen Netzen. Anschließend wird dargestellt, wie sich ein
NCP als neuronales Netz darstellen lässt.
Die folgenden Terminologien und Formalisierungen entsprechen weit verbreiteten Standards in der