98 
zeitreihe ist [Anders 93] (genau genommen: m (n - m + 1) ). Das gilt aber nur, wenn keine 
Lücken in den Zeitreihen vorhanden sind. Da aber vorhandene Lücken nicht in allen Fällen 
gefüllt wurden, aber die Vektoren lückenlos sein müssen, ist die geordnete Menge aller 
Zeitmustervektoren durch den resultierenden Verschnitt entsprechend kleiner. (Kap.4.2.2). 
Das Prinzip dieser Menge läßt sich ohne weiteres auf den multivariaten Fall übertragen. 
Aus jeder der beteiligten Zeitreihen werden Zeitfenster ausgeschnitten, die unterschiedlich 
groß sein können. Mittels eines vorgegebenen multivariaten Zeitmusters wird dabei darauf 
geachtet, daß die pro Reihe ausgeschnittenen Zeitfenster zeitlich aufeinander abgestimmt sind. 
Sie werden anschließend zu einem Gesamtvektor zusammengesetzt. Es hängt von der Länge 
der einzelnen Zeitfenster, von ihren Zeitversätzen relativ zu einem gemeinsamen Bezugs 
zeitpunkt und von den Längen der Überlappungszeiträume ab, ob die Länge L des Gesamt 
vektors, d.h. die Anzahl sämtlicher Zeitpunkte aller Indikations- und Prognosezeiträume, 
größer oder kleiner oder gleich der effektiven Musterlänge ist (Abb.2.7). 
Bei der Selektion der Daten muß zwischen der Selektion der Trainingsvektoren und der 
Selektion der Validations- und Vorhersagevektoren unterschieden werden. Die Trainings 
vektoren wurden mit Hilfe der beiden eingangs erwähnten Verfahren aus der geordneten 
Menge aller Zeitmustervektoren selektiert, die aus denjenigen Zeitreihen organisiert wurde, 
die den Zeitraum von 1985 bis 1992 umfassen. Die Validations- und Vorhersage Vektoren 
wurden aus den Zeitreihen selektiert, die den Zeitraum des Vergleichsjahres 1993 umfassen. 
Für Zeitmuster, die einen Prognosezeitraum von mehr als einem Zeitpunkt besitzen, wurde 
für das Vergleichsjahr 1993 ein Schema eingeführt, das die Vorhersage im Wasserstands 
vorhersagedienst simuliert. Dieses Schema beruht im wesentlichen auf dem Prinzip des 
gleitenden Zeitfensters. Die Zeitfenster überlappen sich zwar jeweils um sechs Stunden, die 
für die Berechnung der Vorhersagefehler relevanten Zeitpunkte der Zeitfenster jedoch 
überlappen sich nicht, sondern schließen direkt aneinander an. Für das Schema waren daher 
zusätzlich noch die letzten sechs Stunden des Jahres 1992 notwendig (Kap.2.4.3). Von diesen 
sechs Stunden, die für die Berechnung der Vorhersagefehler sowieso nicht relevant waren, 
abgesehen, waren die Validations- und Vorhersagevektoren von den Trainings Vektoren strikt 
getrennt. Dadurch ist für eine objektive Beurteilung der Vorhersagefähigkeit der Kohonen- 
Netze gesorgt. Die Selektionsverfahren, die auf die Trainings Vektoren angewandt wurden, 
wurden nicht auch auf die Validations- und Vorhersagevektoren angewandt, da sonst der 
Vergleich mit den Vorhersagen des Wasserstandsvorhersagedienstes nicht mehr möglich 
gewesen wäre. 
Das selbsterfundene Selektionsverfahren wurde auf Basis der geordneten Menge aller 
Zeitmustervektoren entwickelt. Als Zeitmuster diente der Einfachheit halber das klassifizie 
rende Zeitmuster. Es stand das Ziel vor Augen, einen Datensatz zu schaffen, in dem die 
einzelnen Lemvektoren möglichst unabhängig voneinander sind. D.h. jeder Lernvektor sollte 
seinen Beitrag an Information liefern. Es sollte gewährleistet sein, daß die gesamte relevante 
Information der geordneten Menge aller Zeitmuster berücksichtigt wird. Es stellte sich heraus, 
daß die Kohonen-Netze sehr kritisch auf fehlende Information in den selektierten Lernvekto 
ren reagierten. Darum war große Sorgfalt bei der Entwicklung des Selektionsverfahrens 
erforderlich. 
Die Suche nach einem entsprechenden Verfahren wurde von dem ersten Teilziel der 
Vorverarbeitung, der Elimination von Korrelationen, inspiriert. Es entstand ein Verfahren, das 
jeweils für ein Paar von Lernvektoren die Korrelation berechnet, die als ein Informationsmaß 
gewertet wurde. Es wurden drei verschiedene Korrelationskoeffizienten getestet: Zwei Koeffi 
zienten, die auf dem Rang der Daten beruhen (Kendall’s T und Spearman’s p) und einer auf 
der Basis herkömmlicher Statistik (Pearson’scher Korrelationskoeffizient) [Press et al. 91]. Es