Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server

35
30
25
Variabilität
20
15
10
5
0
20 40 60 80 100 120 140 160 180 200 220
Mittelwert
Abbildung 3.7: Variabilität eines Cloud-Index Bildes in y-Richtung in Abhängigkeit vom Mittelwert
des Bildes.
gleichmäßig wie bei klarem Himmel ist (siehe Abb. 3.7). Beispiele mit klar erkennbaren Wolkenstrukturen
sind in Klasse 3 zusammengefaßt, sie sind durch geringe Variabilität bei Mittelwerten
im Bereich von 60 bis 160 gekennzeichnet. Die Bilder aus Klasse 4 mit stark variabler Bewölkung
sind am schwersten vorherzusagen.
Zur Bewertung der Klassifikationskriterien wurden die Fehler, die durch die Hauptkomponenten-Transformation
bei vorheriger Klassifikation entstehen, mit den entsprechenden Fehlern ohne
Klassifikation verglichen. Dazu wurden in Abb. 3.9 die jeweiligen Fehler für die verschiedenen
Klassen dargestellt. Im klassifizierten Fall enthielt die Ausgangsmenge für die Hauptkomponenten-
Analyse nur Bildausschnitte der jeweiligen Klasse, im unklassifizierten Fall wurde die Hauptkomponenten-Analyse
für alle Beispiele durchgeführt. Die Hauptkomponenten-Transformation wurde
dann für jede Klasse mit den beiden verschiedenen Basissystemen durchgeführt. Es zeigt sich, daß
für alle Klassen der Fehler durch die Klassifizierung deutlich sinkt. Je weniger Moden berücksichtigt
werden, desto größer ist der Abstand zwischen den jeweiligen Kurven. Zur Beurteilung der
Fehler durch die Hauptkomponenten-Analyse sind in Abb. 3.9 zum Vergleich die Persistenzfehler
für 30-Minuten-Vorhersage eingetragen, die eine untere Grenze für die zu erreichende Vorhersagequalität
darstellen. Bei der Transformation mit den klassifizierten Basissystemen wird der Persistenzfehler
oberhalb von 20 Moden unterschritten. So ist die Grundlage dafür gegeben, daß mit
dem Vorhersagealgorithmus bessere Ergebnisse als durch Persistenz erreicht werden können.
Ein Vergleich der Klassen ergibt, daß, bei gleicher Anzahl von Moden, der mittlere Fehler für
Klasse 1 am niedrigsten ist, für die Klassen 2 und 3 deutlich höher liegt und für Klasse 4 der
größte mittlere Fehler auftritt. Bilder mit niedriger Variabilität lassen sich bei gleicher Anzahl von
34