1. Anhang
1. Tabellen und Diagramme
2. Günstige Netzarchitekturen für die Analyse

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

1. Günstige Netzarchitekturen für die Prognose

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

3. Inhalt der CD-ROM

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.

1. Übersicht über die Verzeichnisstruktur



Abbildung .13: Übersicht über die Verzeichnisstruktur der CD-ROM

2. Daten

Das Datenverzeichnis gliedert sich in Rohdaten (verschiedene Quellen) und extrahierte Zeitreihen, die im Rahmen der Arbeit Verwendung fanden.

1. Extrahierte Zeitreihen

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).

2. Rohdaten Biologie

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.

3. Rohdaten DWD

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.

4. Rohdaten FH

Die Wetterdaten von der Fachhochschule liegen als selbsterklärende Excel-Datei (Version 97) in der Datei Wetterdaten FH.xls als Tageswerte vor.

5. Sonstige Rohdaten

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.

3. Diplomarbeit

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.).

1. ASCII

diplomarbeit.txt: Die Arbeit in ASCII (MS-DOS) ohne Abbildungen und Tabellen.

2. HTML

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.

3. Postscript

diplomarbeit.ps: Die Arbeit in (farbigem) Postscript.

4. WinWord

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.

4. Ergebnisse

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.

1. Sensemodel

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.

2. Pruning

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.

3. Vergleich REG-SNNS-KKM

?-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, ...).

5. Skripte

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.

1. Rohdatenextraktion

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.

2. Sensemodel

sensemodel.pl: Das Skript zur Zeitreihenauswahl nach Sensitivität.

BP.sense: Das entsprechende BP-Template.

3. Vergleich REG-SNNS-KKM

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.

 

4. Literaturverzeichnis

[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: O’Reilly, 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: O’Reilly, 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

 

6. Danksagung

1. Verpflichtungserklärung

Jan Hannemann