Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server
Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server
Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
terdrückung der Moden oberhalb einer bestimmten Frequenz sind bei Anwendung von Binomial-<br />
Filtern wesentlich größere Filter nötig als bei Anwendung von Rechteckfiltern. Für den Vorhersagezeitraum<br />
2 Stunden sind Rechteckfilter besser geeignet als Binomial-Filter. Wie auch die Auswertung<br />
der Vorhersage mit neuronalen Netzen gezeigt hat, werden für den Vorhersagezeitraum<br />
2 Stunden die besten Vorhersageergebnisse erzielt, wenn nur sehr niedrige Wellenzahlen berücksichtigt<br />
werden. Dies ist mit Binomial-Filtern, die an die Unterdrückung kleinskaliger Strukturen<br />
angepaßt sind, nur ungenügend zu realisieren.<br />
Vorhersage- Verfahren Glättungsfiler mean rmse<br />
zeitraum<br />
30 min mmqpd 11x11 binomial 18.2<br />
statistisch 18.5<br />
60 min mmqpd 41x41 binomial 23.9<br />
statistisch 61x61 binomial 24.0<br />
90 min mmqpd 121x121 binomial 27.8<br />
statistisch 27.8<br />
120 min mmqpd 31x31 Rechteck 31.1<br />
statistisch 31.0<br />
Tabelle 4.3: Optimale Glättungsparameter und Vorhersagefehler für die beiden untersuchten Verfahren<br />
für verschiedene Vorhersagezeiträume, ”<br />
mmqpd“ steht dabei für ”<br />
Minimierung mittlerer<br />
quadratischer Pixeldifferenzen“.<br />
Die optimalen Glättungsparameter für die verschiedenen Vorhersagezeiträume und die entsprechenden<br />
Vorhersagefehler sind für die beiden vorgestellten Verfahren in Tabelle 4.3 zusammengefaßt.<br />
Es wird deutlich, daß die am besten geeigneten Glättungsparameter für beide Verfahren fast<br />
identisch sind. Der optimale Glättungsparameter erhöht sich dabei mit dem Vorhersagezeitraum.<br />
Für Vorhersagezeiträume bis zu 90 Minuten sind Binomial-Filter günstiger, während für 2 Stunden<br />
mit einem Rechteckfilter die besten Ergebnisse erzielt werden. Ein Vergleich der Fehler der beiden<br />
Verfahren zeigt, das beide Methoden Vorhersagen gleicher Qualität liefern.<br />
4.4 Ergebnisse und Fehleranalyse<br />
Zur Bewertung der Vorhersagealgorithmen mit Bewegungsvektorfeldern wurden die Vorhersageergebnisse<br />
mit Persistenz und neuronalen Netzen verglichen. Dazu werden, wie bei der Auswertung<br />
für die Vorhersage mit neuronalen Netzen mittlere Fehler, Fehler in Abhängigkeit von der Variabilität<br />
und ein Beispiel für die Vorhersage gegeben. Um den Vergleich mit neuronalen Netzen zu<br />
ermöglichen, wurde die Auswertung für Bildausschnitte mit halber Auflösung durchgeführt.<br />
In Abb. 4.4 sind mittlere Vorhersagefehler über dem Vorhersagezeitraum aufgetragen. Dabei sind<br />
zum einen die Vorhersagefehler für die Vorhersage mit Bewegungsvektoren mit der statistischen<br />
67