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.
Beschreibung der Wolkenbewegung durch Vorhersage mit neuronalen Netzen<br />
Ein zentraler Faktor bei der Wolkenentwicklung ist die Bewegung von Wolkenstrukturen. Wenn<br />
die Verschiebung von Wolkenstrukturen durch den Vorhersagealgorithmus erfaßt wird, sollte die<br />
Vorhersage zu einer deutlichen Verbesserung gegenüber der Persistenz führen. Abb. 3.17 zeigt jedoch,<br />
daß die Fehler im Vergleich zur Persistenz von Hauptkomponenten-transformierten Bildern<br />
nur wenig sinken. Dies läßt darauf schließen, daß Wolkenbewegung durch die Vorhersage mit neuronalen<br />
Netzen nicht erfaßt wird. Auch an dem Beispiel in Abb. 3.19 wird dies deutlich. Ein Vergleich<br />
des Originalbildes sowie des Persistenzbildes mit dem vorhergesagten Bild zeigt, daß sich<br />
die Wolkenstruktur im vorhergesagten Bild an der gleichen Stelle wie im Persistenzbild befindet.<br />
Die Wolkenstruktur wurde durch den Vorhersagealgorithmus nicht verschoben. Dementsprechend<br />
sind im Fehlerbild für die Vorhersage (Abb. 3.19, rechts unten) die Fehler an den Wolkenkanten<br />
besonders hoch.<br />
Zusammenfassung und Ausblick<br />
Zusammenfassend läßt sich feststellen, daß der entwickelte Algorithmus mit neuronalen Netzen<br />
zur Vorhersage wenig geeignet ist, da Bewegungen von Wolkenstrukturen nicht erfaßt werden.<br />
Die Reduktion des Vorhersagefehlers bei Verwendung des Vorhersagealgorithmus gegenüber der<br />
Persistenz ist im Wesentlichen auf den Effekt der Glättung der Bilder durch Hauptkomponenten-<br />
Transformation zurückzuführen. Es wurde eine ausführliche Optimierung bezüglich der Netzarchitektur<br />
durchgeführt. Dies läßt darauf schließen, daß allgemein Feed-Foward-Netze keine geeignete<br />
Methode zur Beschreibung der Wolkenentwicklung darstellen.<br />
Neuronale Netze sind eine rein statistische Methode, physikalische Informationen über die Wolkenentwicklung<br />
gehen in das Modell nicht ein. So wird auch das Wissen, daß die durch das Windfeld<br />
verursachte Bewegung einen wesentlichen Aspekt der Wolkenentwicklung darstellt, nicht genutzt.<br />
Im Kapitel 4 wird ein Vorhersagemodell vorgestellt, das diese Tatsache als grundlegende<br />
Modellannahme verwendet. Weiterhin wird die Kombination dieses Modells mit neuronalen Netzen<br />
untersucht.<br />
52