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

Zusammenfassung und Ausblick
Die Auswertung der Vorhersage mit Bewegungsvektorfeldern ergab, daß diese Methode geeignet
ist, um die Entwicklung der Bewölkungssituation vorherzusagen. Mit zwei verschiedenen Methoden
wurden Bewegungsvektorfelder bestimmt, die die Bewegung von Wolkenstrukturen gut beschreiben.
Durch Extrapolation der Bewegung in die Zukunft wird eine deutlich bessere Übereinstimmung
mit der tatsächlich eintretenden Situation erreicht als durch Persistenz oder Vorhersage
mit neuronalen Netzen. Dabei ergaben sich für beide Verfahren zur Bestimmung von Bewegungsvektorfeldern
gleichwertige Ergebnisse.
Eine Glättung der vorhergesagten Bilder mit einem geeigneten Glättungsfilter führt zu einer deutlichen
Reduktion der Vorhersagefehler. Der optimale Glättungsparameter erhöht sich dabei mit dem
Vorhersagezeitraum. Die Vorhersage der Bewölkungssituation mit Bewegungsvektorfeldern wird
im Weiteren als Grundlage der Vorhersage der solaren Einstrahlung verwendet.
4.5 Kombination von neuronalen Netzen mit Bewegungsinformation
Die Auswertung der Vorhersage mit Bewegungsvektorfeldern hat gezeigt, daß durch Beschreibung
der Bewegung der Wolkenstrukturen gute Vorhersageergebnisse erzielt werden. An den Beispielbildern
aus Abb. 4.6 wird jedoch auch deutlich, daß mit diesem Ansatz nicht alle Phänomene, die
die Wolkenentwicklung beeinflussen, erfaßt werden. Im Folgenden wird ein Verfahren beschrieben,
das die Modellierung der Wolkenbewegung mit neuronalen Netzen kombiniert. Ziel dabei ist
eine verbesserte Beschreibung des Anteils der Entwicklung der Bewölkungssituation, der nicht auf
Bewegung zurückzuführen ist.
Zur Kombination der Vorhersage mit neuronalen Netzen mit Bewegungsinformation werden in
einem ersten Schritt Bewegungsvektorfelder aus aufeinander folgenden Bildern bestimmt. Aus
diesen werden dann mittlere Bewegungsvektoren ermittelt. Als Eingabe-Information für das neuronale
Netz werden Bildausschnitte des gegenwärtigen und des 30 Minuten zurückliegenden Bildes
verwendet. Diese werden so gewählt, daß sie gegenüber dem vorherzusagenden Bildausschnitt
um den mittleren Bewegungsvektor, skaliert entsprechend dem Zeitabstand zum vorherzusagenden
Bild, verschoben sind. In den Eingabebildausschnitten sollten damit die Wolkenstrukturen enthalten
sein, die sich zum Vorhersagezeitpunkt in den vorherzusagenden Bildausschnitt bewegt haben.
So ist zum einen Bewegungsinformation vorgegeben und die mittlere Bewegung muß nicht von
neuronalen Netzen beschrieben werden. Darüber hinaus ergibt sich gegenüber dem ersten Ansatz
mit neuronalen Netzen der Vorteil, daß auch für Randbereiche des betrachteten Bildausschnitts die
nötigen Informationen zur Vorhersage der Bewölkungssituation gegeben sind. Die weiteren Schritte
sind analog zu dem in Kapitel 3 dargestellten Vorhersagealgorithmus unter Verwendung neuronaler
Netze: Zur Verarbeitung im neuronalen Netz werden die Bildausschnitte wie in Abschnitt
3.2 dargestellt, in Klassen unterteilt und als Hauptkomponenten-Transformierte beschrieben. Die
Einstellung der optimalen Parameterkonfiguration erfolgte analog zur Parameteroptimierung in
72