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.
25<br />
24<br />
20 Moden<br />
test ∉ train<br />
test ∈ train<br />
25<br />
24<br />
60 Moden<br />
test ∉ train<br />
test ∈ train<br />
23<br />
23<br />
mean rmse<br />
22<br />
21<br />
20<br />
mean rmse<br />
22<br />
21<br />
20<br />
19<br />
19<br />
18<br />
400 600 800 1000 1200 1400 1600 1800 2000<br />
Anzahl der Trainingsbeispiele<br />
18<br />
400 600 800 1000 1200 1400 1600 1800 2000<br />
Anzahl der Trainingsbeispiele<br />
Abbildung 3.11: Mittlere Vorhersagefehler in Abhängigkeit von der Anzahl der Trainingsbeispiele<br />
am Beispiel von Klasse 3 und Vorhersagezeitraum 30 Minuten für 20 Moden (links) und 60 Moden<br />
(rechts). Bei den oberen Kurven ist die Testmenge disjunkt zur Trainingsmenge, bei den unteren<br />
Kurven ist die Testmenge Teil der Trainingsmenge.<br />
Für alle weiteren Untersuchungen wurden jeweils alle gemäß Tabelle 3.2 zur Verfügung stehende<br />
Beispiele zum Training genutzt. Nach der Festlegung der optimalen Parameter wird abschließend<br />
getestet, ob diese Länge der Trainingsmengen ausreichend ist, oder ob durch eine Verlängerung<br />
der Trainingsmenge Verbesserungen erwartet werden können.<br />
Anzahl der Moden zur Repräsentation eines Bildausschnitts<br />
Im Folgenden soll untersucht werden, welche Anzahl von Moden zur Repräsentation eines Bildausschnitts<br />
bei vorgegebener Länge der Trainingsmenge zu den besten Ergebnissen führt. Durch<br />
die Festlegung der Anzahl von Moden ist auch die Eingabe- und Ausgabedimension des neuronalen<br />
Netzes bestimmt. Entsprechend den Ausführungen in Abschnitt 3.2.1 wird als Eingabe des<br />
Netzes die wesentliche Bewölkungs-Information aus zwei aufeinander folgenden Bildern verwendet,<br />
so beträgt die Eingabedimension des Netzes 2N. Die Ausgabe des neuronalen Netzes entpricht<br />
dem vorhergesagten Bildausschnitt, und die Ausgabedimension ist damit gleich N. Wie bisher werden<br />
zunächst Netze mit zwei Schichten und vollständiger Verbindung der Schichten untereinander<br />
betrachtet.<br />
Neben dem Vorhersagefehler in Abhängigkeit von der Anzahl der Moden für eine unabhängige<br />
Testmenge, sind in Abb. 3.12, als obere Grenze für die Vorhersagequalität, die Vorhersagefehler<br />
für eine integrierte Testmenge aufgetragen. Zum Vergleich sind weiterhin die Persistenzfehler für<br />
die jeweiligen Vorhersagezeiträume und die Fehler durch die Hauptkomponenten-Transformation<br />
dargestellt. Da es bei der Wolkenentwicklung einen Anteil gibt, der durch das neuronale Netz nicht<br />
wiedergegeben werden kann, liegen die Vorhersagefehler, auch für die integrierte Testmenge, über<br />
dem Fehler durch die Transformation der Originalbilder. Dieser Unterschied steigt mit der Anzahl<br />
der Moden. Großflächige Strukturen, die durch die ersten Moden repräsentiert werden, verhalten<br />
40