Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server
Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server
Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
3.2 Anwendung von neuronalen Netzen zur Vorhersage von<br />
Bewölkungsbildern<br />
Nach der Darstellung der theoretischen Grundlagen der verwendeten Methoden im vorangehenden<br />
Abschnitt wird in diesem Abschnitt darauf eingegangen, wie diese Methoden zur Vorhersage von<br />
Bewölkungsbildern eingesetzt werden können. Wesentliche Punkte sind hierbei die Konstruktion<br />
von Eingabe-Ausgabe-Paaren für das neuronale Netz, die Anwendung der Hauptkomponenten-<br />
Transformation auf die Satellitenbilder und eine Klassifizierung der Satellitenbilder.<br />
3.2.1 Konstruktion von Eingabe-Ausgabe-Paaren für das neuronale Netz<br />
Voraussetzung dafür, daß neuronale Netze zur Vorhersage von Bewölkung angewendet werden<br />
können, ist, daß zwischen dem vorherzusagenden Bewölkungsbild und der Eingabe ein funktionaler<br />
Zusammenhang besteht. Dieser Zusammenhang wird empirisch durch Anpassung von Gewichten<br />
an Beispielpaare approximiert. So erhält man eine Vorhersagefunktion, die dann auf neue<br />
Situationen angewendet werden kann. Dabei ist es auf der einen Seite um so schwerer, die optimale<br />
Vorhersagefunktion numerisch zu finden, je mehr freie Parameter festgelegt werden müssen.<br />
Auf der anderen Seite müssen jedoch genügend freie Parameter vorhanden sein, um den gesuchten<br />
Zusammenhang zu beschreiben. Einen wichtigen Einfluß hat hier die Konstruktion der Eingabe-<br />
Ausgabe-Paare. Die Eingabevariablen sollen einerseits alle für die Berechnung der Ausgabe wichtigen<br />
Informationen enthalten, andererseits sollte ihre Anzahl aber so gering wie möglich bleiben.<br />
Dies kann zum Beispiel durch die Vernachlässigung vergleichsweise unwichtiger Variablen oder<br />
durch Mittelung über mehrere Variablen erreicht werden.<br />
Die zur Verfügung stehende Informationsquelle zur Berechnung eines zukünftigen Bewölkungsbildes<br />
sind gegenwärtige und vergangene Bewölkungsbilder. Dabei wurden in einem ersten Ansatz als<br />
Eingabe Ausschnitte des gegenwärtigen und des 30 Minuten zurückliegenden Bildes verwendet. Es<br />
wurde auch untersucht, drei aufeinander folgende Bilder als Eingabe zu nutzen oder den zeitlichen<br />
Abstand der Bilder auf eine Stunde zu erhöhen. Da dies jedoch zu keiner Verbesserung führte,<br />
wurde der ursprüngliche Ansatz beibehalten.<br />
Neben der Anzahl und dem zeitlichen Abstand der als Eingabe verwendeten Bildausschnitte ist<br />
die Größe der Eingabe- und Ausgabebildausschnitte ein weiterer Wert, der festgelegt werden muß.<br />
Da Bewegung ein wesentliches Element der Bewölkungsentwicklung ist, müssen die Eingabebildausschnitte<br />
so groß gewählt werden, daß die Wolken, die sich bis zum Vorhersagezeitpunkt in<br />
den relevanten Teil des vorherzusagenden Bildausschnitt verschieben können, im Bildausschnitt<br />
enthalten sind. Die Ausschnitte der Eingabebilder und des Ausgabebildes wurden gleich groß<br />
gewählt. Versuche mit verschieden großen Bildausschnitten, bei denen die Eingabebildausschnitte,<br />
entsprechend einer angenommenen maximalen Geschwindigkeit der Wolkenbewegung, größer<br />
als der Ausgabebildausschnitt gewählt wurden, ergaben keine Verringerung der Vorhersagefehler.<br />
Abschätzungen bezüglich einer Mindestgröße der Bildausschnitte in Abschnitt 3.6 ergaben,<br />
daß genügend große Bildausschnitte mehrere tausend Pixel umfassen. Werden die einzelnen Pixel<br />
direkt als Eingabe für das neuronale Netz verwendet, führt dies zu einer viel zu hohen Anzahl<br />
23