Tabelle .51: Netzarchitekturen und Analysefehler im Zeitraum vom 12.11.96 - 31.12.96, nach RMSE sortiert (Teil 1)
mape |
mre |
sres |
rmse |
theil |
Lern- funktion |
Skalierungs- funktion |
Hidden-Neuronen |
Topologie- modifikation |
1.8601 |
0.0186 |
3216.8000 |
8.4549 |
0.5593 |
BP_momentum |
linear |
10 |
vorS+shortC |
1.8611 |
0.0187 |
3243.5000 |
8.4899 |
0.5623 |
BPM_ln_cosh |
linear |
3 |
vorS+shortC |
1.8293 |
0.0183 |
3275.5000 |
8.5316 |
0.5656 |
BPM_ln_cosh |
linear |
5 |
vorS |
1.8290 |
0.0183 |
3301.2000 |
8.5650 |
0.5682 |
BP_momentum |
linear |
6 |
vorS+shortC |
1.8411 |
0.0184 |
3335.4000 |
8.6093 |
0.5704 |
BP_momentum |
linear |
7 |
vorS+shortC |
1.8926 |
0.0189 |
3341.0000 |
8.6165 |
0.5679 |
BPM_ln_cosh |
linear |
9 |
vorS |
1.8676 |
0.0187 |
3350.0000 |
8.6282 |
0.5719 |
BP_momentum |
linear |
9 |
none |
1.8529 |
0.0186 |
3359.5000 |
8.6404 |
0.5740 |
BP_momentum |
linear |
8 |
none |
1.8095 |
0.0182 |
3369.8000 |
8.6536 |
0.5745 |
BP_momentum |
linear |
7 |
vorS |
1.9499 |
0.0194 |
3371.1000 |
8.6552 |
0.5708 |
BP_momentum |
linear |
4 |
vorS+shortC |
1.7218 |
0.0173 |
3392.2000 |
8.6823 |
0.5766 |
BPM_ln_cosh |
linear |
4 |
none |
1.8764 |
0.0188 |
3422.6000 |
8.7212 |
0.5759 |
BPM_ln_cosh |
linear |
3 |
none |
1.7398 |
0.0175 |
3449.5000 |
8.7553 |
0.5820 |
Rprop |
linear |
7 |
vorS+shortC |
1.8693 |
0.0187 |
3457.1000 |
8.7650 |
0.5805 |
BP_momentum |
linear |
5 |
vorS+shortC |
1.7793 |
0.0178 |
3472.0000 |
8.7838 |
0.5825 |
BPM_ln_cosh |
linear |
7 |
none |
1.7793 |
0.0178 |
3472.0000 |
8.7838 |
0.5825 |
BPM_ln_cosh |
linear |
7 |
shortC |
1.8124 |
0.0183 |
3472.2000 |
8.7840 |
0.5834 |
BPM_ln_cosh |
linear |
7 |
vorS |
1.7680 |
0.0177 |
3490.7000 |
8.8074 |
0.5841 |
BPM_ln_cosh |
linear |
8 |
none |
1.7930 |
0.0180 |
3498.3000 |
8.8170 |
0.5849 |
BPM_ln_cosh |
linear |
6 |
none |
1.8708 |
0.0187 |
3504.4000 |
8.8248 |
0.5842 |
BP_momentum |
linear |
4 |
vorS |
1.8711 |
0.0187 |
3508.0000 |
8.8292 |
0.5855 |
BPM_ln_cosh |
linear |
3 |
vorS |
1.8780 |
0.0188 |
3561.2000 |
8.8959 |
0.5889 |
BPM_ln_cosh |
linear |
7 |
vorS+shortC |
1.8620 |
0.0187 |
3567.3000 |
8.9035 |
0.5908 |
BP_momentum |
linear |
3 |
vorS |
1.7502 |
0.0176 |
3579.7000 |
8.9190 |
0.5919 |
BPM_ln_cosh |
linear |
6 |
vorS |
1.9249 |
0.0192 |
3605.9000 |
8.9515 |
0.5928 |
BP_momentum |
linear |
6 |
vorS |
1.8637 |
0.0187 |
3637.4000 |
8.9906 |
0.5964 |
BPM_ln_cosh |
linear |
4 |
vorS |
1.8642 |
0.0188 |
3690.9000 |
9.0565 |
0.6012 |
BP_momentum |
linear |
8 |
vorS+shortC |
1.8447 |
0.0186 |
3749.2000 |
9.1278 |
0.6054 |
BPM_ln_cosh |
linear |
9 |
none |
1.8213 |
0.0184 |
3777.6000 |
9.1622 |
0.6092 |
BP_momentum |
linear |
3 |
none |
1.8038 |
0.0181 |
3786.6000 |
9.1731 |
0.6093 |
BP_momentum |
linear |
4 |
none |
2.0475 |
0.0203 |
3793.8000 |
9.1818 |
0.6039 |
BP_momentum |
linear |
5 |
vorS |
1.8249 |
0.0183 |
3844.6000 |
9.2432 |
0.6138 |
BP_momentum |
linear |
6 |
none |
1.9048 |
0.0192 |
3871.7000 |
9.2756 |
0.6169 |
BP_momentum |
linear |
5 |
none |
1.8140 |
0.0183 |
3874.0000 |
9.2784 |
0.6152 |
BPM_ln_cosh |
linear |
10 |
none |
1.7821 |
0.0180 |
3875.7000 |
9.2804 |
0.6170 |
Rprop |
linear |
7 |
none |
Tabelle .52: Netzarchitekturen und Analysefehler im Zeitraum vom 12.11.96 - 31.12.96, nach RMSE sortiert (Teil 2)
mape |
mre |
sres |
rmse |
theil |
Lern- funktion |
Skalierungs- funktion |
Hidden-Neuronen |
Topologie- modifikation |
1.7821 |
0.0180 |
3875.7000 |
9.2804 |
0.6170 |
Rprop |
linear |
7 |
shortC |
1.8918 |
0.0189 |
3883.7000 |
9.2901 |
0.6061 |
BP_momentum |
m -s -X |
7 |
none |
1.8918 |
0.0189 |
3883.7000 |
9.2901 |
0.6061 |
BP_momentum |
m -s -X |
7 |
shortC |
1.9777 |
0.0198 |
3884.9000 |
9.2914 |
0.6000 |
BPM_ln_cosh |
m -s |
4 |
none |
2.0640 |
0.0206 |
3884.9000 |
9.2915 |
0.6035 |
BP_momentum |
m -s |
6 |
vorS+shortC |
1.9200 |
0.0192 |
3893.2000 |
9.3013 |
0.6054 |
BPM_ln_cosh |
m -s -X |
7 |
none |
1.9200 |
0.0192 |
3893.2000 |
9.3013 |
0.6054 |
BPM_ln_cosh |
m -s -X |
7 |
shortC |
2.0509 |
0.0205 |
3920.8000 |
9.3343 |
0.6029 |
BP_momentum |
m -s |
7 |
vorS+shortC |
1.8291 |
0.0184 |
3938.5000 |
9.3553 |
0.6215 |
Rprop |
linear |
7 |
vorS |
1.8847 |
0.0190 |
3963.9000 |
9.3855 |
0.6198 |
BPM_ln_cosh |
linear |
6 |
vorS+shortC |
2.0179 |
0.0202 |
3967.0000 |
9.3891 |
0.6125 |
Rprop |
m -s -X |
7 |
vorS |
1.9249 |
0.0194 |
3973.1000 |
9.3963 |
0.6171 |
BPM_ln_cosh |
m -s -0 |
7 |
vorS+shortC |
2.0978 |
0.0209 |
3985.6000 |
9.4111 |
0.6224 |
BPM_ln_cosh |
linear |
10 |
vorS+shortC |
2.0159 |
0.0202 |
4007.0000 |
9.4363 |
0.6113 |
BPM_ln_cosh |
m -s |
10 |
none |
1.9019 |
0.0192 |
4044.6000 |
9.4805 |
0.6195 |
Rprop |
m -s -0 |
7 |
vorS |
2.0615 |
0.0207 |
4057.8000 |
9.4959 |
0.6138 |
BP_momentum |
m -s |
4 |
vorS+shortC |
2.0080 |
0.0202 |
4071.0000 |
9.5114 |
0.6117 |
BP_momentum |
m -s |
4 |
none |
1.9638 |
0.0197 |
4118.7000 |
9.5669 |
0.6186 |
BP_momentum |
m -s -X |
7 |
vorS+shortC |
1.9530 |
0.0198 |
4134.8000 |
9.5857 |
0.6313 |
Rprop |
m -s -0 |
7 |
vorS+shortC |
1.9896 |
0.0200 |
4136.3000 |
9.5874 |
0.6186 |
Rprop |
m -s |
7 |
vorS |
1.9426 |
0.0196 |
4155.3000 |
9.6094 |
0.6382 |
BPM_ln_cosh |
linear |
5 |
vorS+shortC |
2.0622 |
0.0207 |
4206.8000 |
9.6688 |
0.6313 |
BPM_ln_cosh |
m -s |
3 |
none |
1.9526 |
0.0197 |
4215.0000 |
9.6781 |
0.6423 |
BP_momentum |
linear |
8 |
vorS |
2.0782 |
0.0208 |
4228.6000 |
9.6937 |
0.6276 |
BPM_ln_cosh |
m -s |
9 |
none |
1.9170 |
0.0194 |
4240.9000 |
9.7079 |
0.6413 |
BPM_ln_cosh |
linear |
8 |
vorS+shortC |
2.0770 |
0.0209 |
4256.6000 |
9.7258 |
0.6279 |
BP_momentum |
m -s |
3 |
vorS+shortC |
2.0527 |
0.0206 |
4287.2000 |
9.7606 |
0.6336 |
BP_momentum |
m -s |
8 |
none |
2.0864 |
0.0210 |
4288.2000 |
9.7619 |
0.6292 |
BP_momentum |
m -s |
9 |
vorS+shortC |
1.9229 |
0.0195 |
4303.5000 |
9.7792 |
0.6439 |
BPM_ln_cosh |
linear |
4 |
vorS+shortC |
2.0659 |
0.0207 |
4314.6000 |
9.7918 |
0.6369 |
BPM_ln_cosh |
m -s |
7 |
none |
2.0659 |
0.0207 |
4314.6000 |
9.7918 |
0.6369 |
BPM_ln_cosh |
m -s |
7 |
shortC |
2.0813 |
0.0209 |
4357.7000 |
9.8406 |
0.6356 |
BP_momentum |
m -s |
10 |
none |
2.1253 |
0.0213 |
4358.7000 |
9.8417 |
0.6399 |
BP_momentum |
m -s |
7 |
none |
2.1253 |
0.0213 |
4358.7000 |
9.8417 |
0.6399 |
BP_momentum |
m -s |
7 |
shortC |
2.0546 |
0.0206 |
4359.9000 |
9.8431 |
0.6405 |
Rprop |
m -s -X |
7 |
none |
2.0546 |
0.0206 |
4374.5000 |
9.8595 |
0.6421 |
BPM_ln_cosh |
m -s |
8 |
none |
2.0895 |
0.0210 |
4374.6000 |
9.8597 |
0.6378 |
BPM_ln_cosh |
m -s |
5 |
none |
2.0682 |
0.0208 |
4379.6000 |
9.8653 |
0.6426 |
BP_momentum |
m -s |
3 |
none |
2.0770 |
0.0209 |
4384.8000 |
9.8711 |
0.6363 |
BP_momentum |
m -s |
9 |
none |
1.9243 |
0.0195 |
4385.9000 |
9.8724 |
0.6564 |
BPM_ln_cosh |
linear |
5 |
none |
2.0661 |
0.0207 |
4436.0000 |
9.9286 |
0.6384 |
BP_momentum |
m -s -X |
7 |
vorS |
2.1115 |
0.0212 |
4443.1000 |
9.9366 |
0.6412 |
BP_momentum |
m -s |
10 |
vorS+shortC |
1.9235 |
0.0195 |
4452.0000 |
9.9466 |
0.6538 |
BPM_ln_cosh |
m -s -0 |
7 |
vorS |
2.1046 |
0.0211 |
4473.6000 |
9.9706 |
0.6456 |
BPM_ln_cosh |
m -s |
6 |
none |
1.9599 |
0.0198 |
4495.1000 |
9.9945 |
0.6605 |
BPM_ln_cosh |
linear |
9 |
vorS+shortC |
2.0896 |
0.0210 |
4497.9000 |
9.9977 |
0.6459 |
Rprop |
m -s |
7 |
none |
2.0896 |
0.0210 |
4497.9000 |
9.9977 |
0.6459 |
Rprop |
m -s |
7 |
shortC |
1.9835 |
0.0200 |
4543.5000 |
10.0480 |
0.6631 |
Rprop |
m -s -0 |
7 |
none |
Tabelle .53: Netzarchitekturen und Analysefehler im Zeitraum vom 12.11.96 - 31.12.96, nach RMSE sortiert (Teil 2)
mape |
mre |
sres |
rmse |
theil |
Lern- funktion |
Skalierungs- funktion |
Hidden-Neuronen |
Topologie- modifikation |
1.9835 |
0.0200 |
4543.5000 |
10.0480 |
0.6631 |
Rprop |
m -s -0 |
7 |
shortC |
2.1302 |
0.0214 |
4701.2000 |
10.2210 |
0.6603 |
BP_momentum |
m -s |
5 |
vorS+shortC |
2.0533 |
0.0208 |
4701.1000 |
10.2210 |
0.6723 |
BPM_ln_cosh |
m -s -0 |
7 |
none |
2.0533 |
0.0208 |
4701.1000 |
10.2210 |
0.6723 |
BPM_ln_cosh |
m -s -0 |
7 |
shortC |
2.1553 |
0.0217 |
4745.8000 |
10.2700 |
0.6620 |
BP_momentum |
m -s |
6 |
none |
2.1456 |
0.0216 |
4772.1000 |
10.2980 |
0.6627 |
BP_momentum |
m -s |
5 |
none |
2.1522 |
0.0217 |
4837.6000 |
10.3680 |
0.6725 |
BP_momentum |
m -s |
8 |
vorS+shortC |
2.2541 |
0.0226 |
5116.0000 |
10.6620 |
0.6974 |
Rprop |
m -s |
7 |
vorS+shortC |
2.0994 |
0.0213 |
5163.5000 |
10.7120 |
0.7114 |
BP_momentum |
linear |
9 |
vorS |
2.4432 |
0.0241 |
5214.5000 |
10.7650 |
0.7041 |
BP_momentum |
linear |
9 |
vorS+shortC |
2.1879 |
0.0222 |
5428.5000 |
10.9830 |
0.7274 |
BP_momentum |
linear |
10 |
vorS |
2.1910 |
0.0223 |
5803.8000 |
11.3570 |
0.7444 |
BP_momentum |
m -s -0 |
7 |
vorS |
2.2928 |
0.0233 |
5827.8000 |
11.3800 |
0.7527 |
BP_momentum |
linear |
3 |
vorS+shortC |
2.5836 |
0.0254 |
5901.1000 |
11.4510 |
0.7481 |
BP_momentum |
linear |
10 |
none |
2.3007 |
0.0234 |
6008.6000 |
11.5550 |
0.7579 |
BP_momentum |
m -s -0 |
7 |
none |
2.3007 |
0.0234 |
6008.6000 |
11.5550 |
0.7579 |
BP_momentum |
m -s -0 |
7 |
shortC |
2.6109 |
0.0257 |
6157.0000 |
11.6970 |
0.7631 |
BP_momentum |
linear |
7 |
none |
2.6109 |
0.0257 |
6157.0000 |
11.6970 |
0.7631 |
BP_momentum |
linear |
7 |
shortC |
2.3144 |
0.0236 |
6408.0000 |
11.9330 |
0.7777 |
BP_momentum |
m -s -0 |
7 |
vorS+shortC |
2.5299 |
0.0252 |
6508.2000 |
12.0260 |
0.7888 |
Rprop |
m -s -X |
7 |
vorS+shortC |
2.7800 |
0.0273 |
6616.0000 |
12.1250 |
0.7930 |
BPM_ln_cosh |
linear |
8 |
vorS |
2.8117 |
0.0276 |
6662.5000 |
12.1680 |
0.7932 |
BPM_ln_cosh |
linear |
10 |
vorS |
4.3035 |
0.0442 |
17520.0000 |
19.7320 |
1.2769 |
BPM_ln_cosh |
m -s -X |
7 |
vorS+shortC |
4.3036 |
0.0442 |
17522.0000 |
19.7330 |
1.2769 |
BP_momentum |
m -s |
3 |
vorS |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
3 |
vorS+shortC |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
3 |
vorS |
4.3036 |
0.0442 |
17522.0000 |
19.7330 |
1.2769 |
BP_momentum |
m -s |
4 |
vorS |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
4 |
vorS+shortC |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
4 |
vorS |
4.3036 |
0.0442 |
17522.0000 |
19.7330 |
1.2769 |
BP_momentum |
m -s |
5 |
vorS |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
5 |
vorS+shortC |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
5 |
vorS |
4.3036 |
0.0442 |
17522.0000 |
19.7330 |
1.2769 |
BP_momentum |
m -s |
6 |
vorS |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
6 |
vorS+shortC |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
6 |
vorS |
4.3036 |
0.0442 |
17522.0000 |
19.7330 |
1.2769 |
BP_momentum |
m -s |
7 |
vorS |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
7 |
vorS+shortC |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
7 |
vorS |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BP_momentum |
m -s |
8 |
vorS |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
8 |
vorS+shortC |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
8 |
vorS |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BP_momentum |
m -s |
9 |
vorS |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
9 |
vorS+shortC |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
9 |
vorS |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BP_momentum |
m -s |
10 |
vorS |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
10 |
vorS+shortC |
4.3037 |
0.0442 |
17523.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s |
10 |
vorS |
4.3036 |
0.0442 |
17522.0000 |
19.7330 |
1.2769 |
BPM_ln_cosh |
m -s -X |
7 |
vorS |
Tabelle .54: Netzarchitekturen und Prognosefehler im Zeitraum vom 12.11.96 - 31.12.96, nach RMSE sortiert
mape |
mre |
sres |
rmse |
theil |
Lern- funktion |
Skalierungs- funktion |
Hidden-Neuronen |
Topologie- modifikation |
2.8852 |
0.0289 |
7648.8 |
13.3370 |
0.8673 |
BP_momentum |
my_sigma |
7 |
none |
2.8852 |
0.0289 |
7648.8 |
13.3370 |
0.8673 |
BP_momentum |
my_sigma |
7 |
shortC |
2.8415 |
0.0284 |
7766.7 |
13.4400 |
0.8740 |
BP_momentum |
my_sigma0 |
7 |
none |
2.8415 |
0.0284 |
7766.7 |
13.4400 |
0.8740 |
BP_momentum |
my_sigma0 |
7 |
shortC |
2.8849 |
0.0288 |
7786.5 |
13.4570 |
0.8751 |
BPM_ln_cosh |
my_sigma |
7 |
none |
2.8849 |
0.0288 |
7786.5 |
13.4570 |
0.8751 |
BPM_ln_cosh |
my_sigma |
7 |
shortC |
2.9170 |
0.0291 |
7906.3 |
13.5600 |
0.8818 |
Rprop |
my_sigma |
7 |
none |
2.9170 |
0.0291 |
7906.3 |
13.5600 |
0.8818 |
Rprop |
my_sigma |
7 |
shortC |
2.8250 |
0.0281 |
7939.9 |
13.5890 |
0.8836 |
BPM_ln_cosh |
linear |
7 |
vorS |
2.9369 |
0.0294 |
8014.3 |
13.6520 |
0.8878 |
Rprop |
my_sigma |
7 |
vorS |
2.8938 |
0.0289 |
8026.5 |
13.6620 |
0.8885 |
BPM_ln_cosh |
my_sigmaX |
7 |
none |
2.8938 |
0.0289 |
8026.5 |
13.6620 |
0.8885 |
BPM_ln_cosh |
my_sigmaX |
7 |
shortC |
2.9142 |
0.0292 |
8081.9 |
13.7100 |
0.8915 |
BP_momentum |
linear |
7 |
vorS |
2.9030 |
0.0292 |
8084.7 |
13.7120 |
0.8917 |
Rprop |
my_sigma0 |
7 |
vorS |
2.9065 |
0.0292 |
8217.4 |
13.8240 |
0.8990 |
Rprop |
my_sigma0 |
7 |
vorS+shortC |
2.9093 |
0.0291 |
8282.5 |
13.8790 |
0.9025 |
BP_momentum |
linear |
7 |
vorS+shortC |
2.9237 |
0.0291 |
8371.6 |
13.9530 |
0.9074 |
BP_momentum |
my_sigmaX |
7 |
none |
2.9237 |
0.0291 |
8371.6 |
13.9530 |
0.9074 |
BP_momentum |
my_sigmaX |
7 |
shortC |
3.0075 |
0.0302 |
8375.2 |
13.9560 |
0.9075 |
Rprop |
my_sigma0 |
7 |
none |
3.0075 |
0.0302 |
8375.2 |
13.9560 |
0.9075 |
Rprop |
my_sigma0 |
7 |
shortC |
3.0053 |
0.0302 |
8417.0 |
13.9910 |
0.9098 |
BPM_ln_cosh |
linear |
7 |
vorS+shortC |
2.9677 |
0.0296 |
8453.0 |
14.0210 |
0.9118 |
Rprop |
my_sigmaX |
7 |
vorS |
3.0006 |
0.0301 |
8472.5 |
14.0370 |
0.9128 |
BPM_ln_cosh |
my_sigma0 |
7 |
none |
3.0006 |
0.0301 |
8472.5 |
14.0370 |
0.9128 |
BPM_ln_cosh |
my_sigma0 |
7 |
shortC |
2.9992 |
0.0301 |
8536.4 |
14.0900 |
0.9162 |
BPM_ln_cosh |
my_sigma0 |
7 |
vorS+shortC |
3.0587 |
0.0306 |
8540.7 |
14.0930 |
0.9165 |
Rprop |
my_sigma |
7 |
vorS+shortC |
2.9874 |
0.0299 |
8835.7 |
14.3350 |
0.9322 |
Rprop |
linear |
7 |
vorS+shortC |
3.0680 |
0.0309 |
8847.5 |
14.3440 |
0.9328 |
BPM_ln_cosh |
my_sigma0 |
7 |
vorS |
3.0058 |
0.0299 |
8866.1 |
14.3590 |
0.9338 |
Rprop |
my_sigmaX |
7 |
none |
3.0058 |
0.0299 |
8866.1 |
14.3590 |
0.9338 |
Rprop |
my_sigmaX |
7 |
shortC |
3.0171 |
0.0303 |
8872.1 |
14.3640 |
0.9341 |
BP_momentum |
my_sigma0 |
7 |
vorS+shortC |
3.1153 |
0.0315 |
9110.9 |
14.5560 |
0.9466 |
BP_momentum |
my_sigma0 |
7 |
vorS |
3.0607 |
0.0307 |
9325.8 |
14.7270 |
0.9577 |
Rprop |
linear |
7 |
vorS |
3.1720 |
0.0320 |
9436.1 |
14.8140 |
0.9633 |
BPM_ln_cosh |
linear |
7 |
none |
3.1720 |
0.0320 |
9436.1 |
14.8140 |
0.9633 |
BPM_ln_cosh |
linear |
7 |
shortC |
3.1092 |
0.0311 |
9553.1 |
14.9050 |
0.9693 |
Rprop |
linear |
7 |
none |
3.1092 |
0.0311 |
9553.1 |
14.9050 |
0.9693 |
Rprop |
linear |
7 |
shortC |
3.1368 |
0.0314 |
9669.5 |
14.9960 |
0.9752 |
BP_momentum |
linear |
7 |
none |
3.1368 |
0.0314 |
9669.5 |
14.9960 |
0.9752 |
BP_momentum |
linear |
7 |
shortC |
3.2304 |
0.0321 |
10169.0 |
15.3780 |
1.0000 |
Rprop |
my_sigmaX |
7 |
vorS+shortC |
3.3333 |
0.0332 |
10862.0 |
15.8930 |
1.0335 |
BP_momentum |
my_sigmaX |
7 |
vorS+shortC |
3.3602 |
0.0333 |
11495.0 |
16.3500 |
1.0632 |
BP_momentum |
my_sigmaX |
7 |
vorS |
4.2565 |
0.0437 |
16560.0 |
19.6250 |
1.2762 |
BPM_ln_cosh |
my_sigmaX |
7 |
vorS |
4.2572 |
0.0437 |
16565.0 |
19.6270 |
1.2763 |
BPM_ln_cosh |
my_sigmaX |
7 |
vorS+shortC |
4.2589 |
0.0437 |
16579.0 |
19.6360 |
1.2769 |
BP_momentum |
my_sigma |
7 |
vorS+shortC |
Aufgrund der Fülle an anfallenden Daten und Ergebnissen war es nicht möglich, sämtliche Zeitreihen, Tabellen, Diagramme und Skripte in schriftlicher Form mit in diese Arbeit aufzunehmen. Um diese dennoch aufzuführen, wurden sie auf eine CD-ROM gebrannt, die dieser Arbeit beiliegt.
Übersicht über die VerzeichnisstrukturAbbildung .13: Übersicht über die Verzeichnisstruktur der CD-ROM
Das Datenverzeichnis gliedert sich in Rohdaten (verschiedene Quellen) und extrahierte Zeitreihen, die im Rahmen der Arbeit Verwendung fanden.
Enthält die verwendeten Datenreihen. Alle Datenreihen liegen im ASCII-Format vor und enthalten 1827 Zeilen, entsprechend dem betrachteten Zeitraum. Fehlwerte werden analog zu SAS als Punkt dargestellt. Der Name der Zeitreihendateien setzt sich wie folgt zusammen:
AAA-BBB-9296.txt
Dabei gibt AAA das Kürzel der Zeitreihe an (zwei oder mehr Buchstaben), BBB steht für die Datenquelle (DWD, FH, BIO oder ART für artifizielle selbsterstellte Zeitreihen).
Enthält für die Jahre 1993-1996 die Tagesdateien der CO2-Werte vom Fachbereich Biologie in entsprechenden Unterverzeichnissen. Die Werte für 1992 standen nicht unmittelbar zur Verfügung, sie wurden der Arbeit von Tillmanns entnommen [Til 93] und finden sich im Verzeichnis "Sonstige Rohdaten" (Siehe 7.3.2.5)in der Datei
daymean.92.Hier finden sich die Daten des Deutschen Wetterdienstes. Für die Jahre 1992 und 1993, sowie für den Zeitraum von 1994-1996 existieren ASCII-Dateien in verschiedenen Formaten. Sie heißen
sy92.out, sy93.out und sy94x96.dat. Die Daten liegen stundenweise vor.Die Wetterdaten von der Fachhochschule liegen als selbsterklärende Excel-Datei (Version 97) in der Datei
Wetterdaten FH.xls als Tageswerte vor.Enthält die Dateien
daymean.92 und daymean.93 aus der Arbeit von Tillmanns [Til 93], die u.a. die CO2-Werte von 1992 und 1993 als Tageswerte enthalten.Hier findet sich der Text der Diplomarbeit, in vier verschiedenen Formaten: ASCII, HTML, Postscript Color und WinWord-Format (Version 97). Das Titelblatt befindet sich jeweils in einer gesonderten Datei mit Namen
Titelblatt.* (* = txt, doc, etc.).diplomarbeit.txt
: Die Arbeit in ASCII (MS-DOS) ohne Abbildungen und Tabellen.diplomarbeit.htm
: Die Arbeit in HTML mit Abbildungen und Tabellen. Diese Datei ist das Zentraldokument. Die Konvertierung erfolgte mit WinWord 97. Andere Dateien sind Filialdokumente und Abbildungen.diplomarbeit.ps
: Die Arbeit in (farbigem) Postscript.diplomarbeit.doc
: Die Arbeit in ihrem ursprünglichem Format: WinWord, Version 97. Der Aufbau erfolgte größeren wissenschaftlichen Arbeiten entsprechend mit Zentral- und Filialdokumenten. Zentraldokument ist "Diplomarbeit.doc". Andere Dateien sind Filialdokumente.Dieser Ordner enthält verschiedene in der Arbeit verwendete Tabellen und Abbildungen sowie einige Tabellen, die aufgrund ihrer Größe nicht mit in die schriftliche Form der Arbeit aufgenommen werden konnten.
Hier finden sich die Ergebnisse der Zeitreihenauswahl nach Sensitivität, wie sie von dem entsprechenden Skript erzeugt wurden.
sensemodel.log
: Zeigt die Entwicklung des neuronalen Modells mit den Sensitivitäten der einzelnen Parameter im jeweiligen Verfahrensschritt.sense.errordevelopment
: Die Fehlerentwicklung des Verfahrens.Neben den Ergebnissen des Prunings dieser Arbeit finden sich hier auch die SNNS-Erweiterungen und eine Beispieldatei.
bmanPRUNE.tmpl
und bmanPRUNE3.tmpl: Templates für SNNS (einfaches und mehrfaches Pruning), die bei jedem Neuronen-Prunze-Zyklus das Ablegen der Netzdatei veranlassen.BP.prune
: Beispieldatei für mehrfaches Pruning unter SNNS, die auch in dieser Arbeit verwendet wurde.prunetab.sh
: Shellskript zur Generierung einer Übersicht über die geprunten Neuronen im jeweiligen Zyklus. Aufruf: sh prunetab.sh.auswertung.txt
: Beispiel einer solchen Auswertung.?-1996.error
: Der Analysefehler für die 1001 Regressionsläufe zur Bestimmung der besten Inputvariablen für das entsprechende Monatspaar (?=1: Januar/Februar, ?=2: März/Arpil, ...).?p-1996.error
: Der Prognosefehler für die 1001 Regressionsläufe zur Bestimmung der besten Inputvariablen für das entsprechende Monatspaar (?=1: Januar/Februar, ?=2: März/Arpil, ...).SNNS_x?.error
: Der Analysefehler für die 48 verschiedenen Netztopologien in dem entsprechenden Monatspaar (?=1: Januar/Februar, ?=2: März/Arpil, ...).SNNS_x?p.error
: Der Prognosefehler für die 48 verschiedenen Netztopologien in dem entsprechenden Monatspaar (?=1: Januar/Februar, ?=2: März/Arpil, ...).Im Rahmen dieser Arbeit ist es nötig geworden, verschiedene Skripte und Programme zu erstellen. Diese dienten vorwiegend dazu, die vorhandenen Daten in ein für den jeweiligen Verarbeitungsschritt der Zeitreihenanalyse sinnvolles Format zu transformieren. Skripte dieser Art werden in drei Gruppen unterteilt: Skripte zur Extraktion der Rohdaten, Skripte zu Datenvorverarbeitung und SAS-Skripte. Außerdem kommen noch Skripte hinzu, die das Erstellen und Auswerten Neuronaler Netze bzw. mathematischer Modelle steuern (sog. Modellskripte), sowie verschiedene andere Skripte unterschiedlicher Aufgabenbereiche, die unter der Rubrik "Hilfsprogramme und skripte" laufen. Im folgenden sollen nun die wichtigsten erstellten Skripte in den jeweiligen Rubriken kurz vorgestellt werden.
Der Ordner "Skripte" enthält alle wichtigen im Rahmen dieser Arbeit implementierten Skripte, die alle in der interpretierten Programmiersprache Perl 5.0 geschrieben sind.
Im Rahmen dieser Arbeit kamen neben den selbsterstellten Zeitreihen Daten von drei verschiedenen Institutionen zum Einsatz. Während die Daten der Fachhochschule im Excel 97 Format vorlagen und keiner nennenswerten Verarbeitung bedurften, lagen die Daten der Biologie in einem und die des deutschen Wetterdienstes in drei verschiedenen Formaten vor, die eine entsprechende Weiterverarbeitung notwendig machten. Folgende Skripte kamen dabei zum Einsatz:
CO2_extract.pl:
Extrahiert aus den bis zu 366 CO2-Dateien pro Jahr eine Zeitreihe mit den aggregierten Tageswerten.DWD_extract.pl
: Extrahiert aus den Dateien vom Deutschen Wetterdienst (SY92.OUT, SY93.OUT und sy_94x96.dat) alle Zeitreihendaten und legt sie in entsprechenden Dateien (z.B. WR.txt, BG.txt, etc. ) ab.NS_extract*.pl:
Extrahiert die täglichen Niederschlagwerte für die Jahre 1992-1993 bzw. 1994-1996. Da die Niederschlagswerte nicht in den Dateien des Deutschen Wetterdienstes von 1992-1993 enthalten waren, greift dieses Skript auf die Datei KL.OUT und die DWD-Datei sy_94x96.dat zu.WR_extract*.pl:
Extrahiert die tägliche Windrichtung für die Jahre 1992-1993 bzw. 1994-1996 nach dem in Kapitel 2.5.2 vorgestellten Verfahren. Dabei wird auf die Dateien SY92.OUT, SY93.OUT und sy_94x96.dat zugegriffen.WRG_extract*.pl:
Extrahiert die gewichtete Windrichtung für die Jahre 1992-1993 bzw. 1994-1996 nach dem in Kapitel 2.5.2 vorgestellten Verfahren. Dabei wird ebenfalls auf die Dateien SY92.OUT, SY93.OUT und sy_94x96.dat zugegriffen.sensemodel.pl
: Das Skript zur Zeitreihenauswahl nach Sensitivität.BP.sense
: Das entsprechende BP-Template.make_REG1.pl
: Beispielskript zum Finden der besten Kombination exogener Zeitreihen für die Regression. Dieses Skript generiert und wertet alle 1001 Regressionen für den Zeitraum Januar/Februar aus.make_SNNS1.pl
: Das analoge Skript zu Bestimmung der besten Topologie für Neuronale Netze. Dieses Skript generiert und wertet 48 verschiedene Topologien für den Zeitraum Januar/Februar aus.
[Ana 98] Ananieva, Maria: Modellierung wirtschaftlicher Zeitreihen mit Neuronalen Netzen. Osnabrück, Universität: Magisterarbeit im Studiengang Computerlinguistik und künstliche Intelligenz, voraussichtlich Oktober 1998.
[Apt 96a] Aptec Systems, Inc.: GAUSS Applications: Time Series. 1996.
[Apt 96b] Aptec Systems, Inc.: GAUSS Volume II: Command and Reference Manual. Revised version, 1996.
[Apt 96c] Aptec Systems, Inc.: GAUSS for UNIX. Revised version, 1996.
[Apt 96d] Aptec Systems, Inc.: GAUSS System and Graphics Manual. Revised version, 1996.
[Bal 93] Baloui, Said: Excel 5.0 das Kompendium. Haar bei München: Markt-und-Technik-Verlag, 1993. ISBN 3-87791-549-3
[Bil 81] Billeter, Peter; Vlach, Vladimir: Zeitreihen-Analyse: Einführung in die praktische Anwendung, Würzburg: Physica-Verlag, 1981. ISBN 3-7908-0257-3
[Box 76] Box, George E. P.; Jenkins, Gwilym M.; Time series analysis: Forecasting and control. Revised edition. San Francisco: Holden-Day, 1976. ISBN 0-8162-1104-3
[Duf 92] Dufner, Julius; Jensen, Uwe; Schumacher, Erich: Statistik mit SAS. Stuttgart: Teubner, 1992 (Teubner Studienbücher Mathematik). ISBN 3-519-02088-2
[Edw 84] Edwards, Allen L.: An Introduction to Linear Regression and Correlation. New York : W.H. Freeman and Company, 1984. ISBN 0-7167-1593-5
[Erb 97] Erben, Wilhelm: Statistik mit Excel 5 oder 7: Lehr- und Übungsbuch mit zahlreichen Excel-Beispieltabellen. 2., durchges. Aufl. München: Oldenbourg Verlag, 1986. ISBN 3-486-24043-9
[For 93] Forstreuter, Manfred: Langzeitwirkungen der atmosphärischen CO2-Anreicherung auf den Kohlenstoff- und Wasserhaushalt von Rotklee-Wiesenschwingelgemeinschaften. Berlin, Technische Universität, Fachbereich 14, Diss., 1993. ISBN 3-7983-1579-5
[Gra 95] Graf, Alexander; Ortseifen, Carina: Statistische und grafische Datenanalyse mit SAS. Heidelberg: Spektrum Verlag, 1995. ISBN 3-86025-706-4
[Hal 98] Hall, Joseph N.; Schwartz, Randal L.: Effective Perl programmning: Writing better programs with Perl. Reading, Massachusetts: Addison-Wesley-Longman, 1998. ISBN 0-201-41975-0
[Her 98] Herbst, Vela: Gefahr erkannt doch nicht gebannt: Weltklimaveränderungen. In: Wirtschaftsspiegel, 3/1998 (Mai / Juni 1998), S. 2-5
[Kli 91] Klir, George J.: Facets of systems science. New York: Plenum Press, 1991. ISBN 0-306-43959-X
[Kro 97] Krone, Stephan: Eine interaktive Oberfläche zur grafischen Analyse von Zeitreihen. Osnabrück, Universität, Fachbereich Mathematik/Informatik, Diplomarbeit, 1997
[Kul 79] Kulla, Bernhard: Angewandte Systemwissenschaften. Würzburg: Physica-Verlag, 1979. ISBN 3-7908-0206-9
[Lei 86] Leiner, Bernd: Einführung in die Zeitreihenanalyse. 2., verb. Aufl. München: Oldenbourg Verlag, 1986. ISBN 3-486-20299-5
[Mil 90] Miller, Alan J.: Subset Selection in Regression. London: Chapman and Hall, 1990 (Monographs on Statistics and Applied Probability 40), 1990 ISBN 0-412-35380-6
[Nic 97] Nicol, Natascha; Albrecht, Ralf: Wissenschaftliche Arbeiten schreiben mit WinWord 97: Formvollendete und normgerechte Examens-, Diplom- und Doktorarbeiten. Bonn: Addison-Wesley-Longman, 1997. ISBN 3-89319-981-0
[Pfe 97] Pfeifer, Andreas; Schuhmann, Marco: Statistik mit SAS. München: Oldenbourg Verlag, 1997. ISBN 3-486-23953-8
[Reh 94] Rehkugler, Heinz; Zimmermann, Hans Georg (Hrsg): Neuronale Netze in der Ökonometrie. München: Verlag Vahlen, 1994. ISBN 3-8006-1871-0
[Rip 93] Ripper, Klaus: Theoretische und empirische Aspekte des Einsatzes Neuronaler Netze zur Prognose von Zeitreihen. Darmstadt, technische Hochschule, Fachbereich Rechts- und Wirtschaftswissenschaften, Diplomarbeit, 1993
[Sch 97] Schilli, Michael: Effektives Programmieren mit Perl 5: Objektorientierung, Graphische Oberflächen, Internet-Anwendungen. Bonn: Addison-Wesley-Longman, 1997. ISBN 3-8273-1095-4
[Sch 91] Schlittgen, Rainer; Streitberg, Bernd H. J.: Zeitreihenanalyse. 3. unveränderte Auflage. München: Oldenbourg Verlag, 1991. ISBN 3-486-21908-1
[Sch 85] Schrödter, Harald: Verdunstung: Anwendungsorientierte Meßverfahren und Bestimmungsmethoden. Berlin: Springer-Verlag, 1985. ISBN 3-540-15355-1
[Sri 97] Srinivasan, Sriram: Advanced Perl programming: Foundation and techniques for Perl application developers. Cambridge: OReilly, 1997. ISBN 1-565-92220-4
[Spi 90] Spiegel, Murray R.: Statistik / Schramm, Reginald; Heitmeyer, Carola (Übers., Bearb.). 2. überarb. und erw. Auflage. Hamburg: McGraw-Hill 1990: ISBN 3-89028-908-8
[Thi 98] Thiesing, Frank M.: Analyse und Prognose von Zeitreihen mit Neuronalen Netzen. Osnabrück, Universität, Fachbereich Mathematik/Informatik, Diss.; Aachen: Shaker Verlag 1998. ISBN 3-8265-4242-8
[Til 96] Tillmanns, Peter: Globale und lokale Einflußfaktoren auf die bodennahe CO2-Konzentration in einem urban geprägten Meßgebiet. Osnabrück, Universität, Fachbereich Mathematik/Informatik, Diplomarbeit, 1996
[Ver 97] Verbeke, Geert; Molenberghs, Geert: Linear mixed models in practice: A SAS-oriented approach. New York: Springer, 1997 (Lecture notes on statistics No. 126). ISBN 0-387-98222-1
[Vog 83] Vogt, Roland: Die Systemwissenschaften: Grundlagen und wissenschaftstheoretische Einordnung. Frankfurt am Main: HAAG+HERCHEN, 1983. ISBN 3-88129-602-6
[Wal 96] Wall, L., Schwartz, R. L.: Programming Perl. Cambridge: OReilly, 1996. ISBN 1-565-92149-6
[Win 97] Winter, Rick et al.: Office 97 Professional: Referenz und Anwendungen; Outlook, Word, Excel, Access, PowerPoint. Haar bei München: Markt-und-Technik-Verlag, 1997. ISBN 3-8272-1018-6
[Zel 96] Zell, Andreas: Simulation neuronaler Netze. 1. unveränderter Nachdruck. Bonn: Addison-Wesley-Longman, 1996. ISBN 3-89319-554-8
[Zel 95] Zell, Andreas: SNNS: Stuttgart Neural Network Simulator User Manual. Report No. 6/95. Version 4.1. University of Stuttgart, Germany, 1995 (ftp://ftp.informatik.uni-stuttgart.de/pub/SNNS/SNNSv4.1.Manual.ps.gz)
[Zim 97] Zimmerer, Thomas: Künstliche neuronale Netze versus ökonometrische und zeitreihenanalytische Verfahren zur Prognose ökonomischer Zeitreihen. (Universität Regensburg, Diss.) Frankfurt am Main: Europäischer Verlag der Wissenschaften, 1997. ISBN 3-631-32465-0
Mein Dank gilt an dieser Stelle allen, die zum Gelingen dieser Arbeit beigetragen haben:
Ich versichere, die vorliegende Arbeit selbständig angefertigt und keine anderen als die angegebenen Quellen und Hilfsmittel verwendet zu haben.
Osnabrück, den 11. September 1998
Jan Hannemann