138 
trainiert wird, ist aber gerade so groß wie der Vorhersage- und gleichzeitig auch Validations 
fehler des KL-Modells, das ohne Winddaten trainiert wird (Tab.5.3 und Tab.5.5). Die Ge 
wichtsvektoren solch eines MW-Modells sind fast dreimal so lang wie diejenigen des KL- 
Modells. Daraus kann gefolgert werden, daß die fehlersenkende Wirkung der Winddaten 
durch die größere Länge der Vektoren aufgezehrt wird. 
Diese aufzehrende Wirkung kann durch die Wechselwirkung zwischen unterschiedlichen 
Zeitpunkten der verschiedenen Indikations- und Prognosezeitreihen bedingt sein (Kap.2.2.3). 
Die Anzahl der möglichen Wechselwirkungen zwischen zwei Komponenten des MW- 
Zeitmusters wächst quadratisch mit der Größe des Zeitmusters, d.h. mit der Länge des 
Gesamtvektors an. Mit dieser Länge kann somit auch die Anzahl der Korrelationen zunehmen 
als einer speziellen Form von Zweier-Wechselwirkung. Da sich die Korrelationen nachteilig 
auf die Kohonen-Netze auswirken, gehört ihre Elimination mit zur Vorverarbeitung. Die 
Korrelationen sind aber strenggenommen nur beim MR-Modell eliminiert (Kap.4.2.4). 
Somit könnte gefordert werden, die Vorverarbeitung für das MW-Modell zu verbessern. 
Es erscheint aber einfacher, folgende Strategie zu verfolgen. Die Gewichtsvektoren der Koho 
nen-Netze und somit die Lernvektoren werden so klein wie möglich gehalten und gleichzeitig 
wird dabei auf den Wind als Indikationsgröße nicht verzichtet. Im Rahmen der Vorhersage 
von stündlichen Stauwerten wurde es als unmöglich angesehen, beiden Forderungen gerecht 
zu werden. Aber im Rahmen der Vorhersage von Stauwerten zu Hoch- und Niedrigwasser 
zeiten ist dies möglich (Kap.5.5). Bevor jedoch die Ergebnisse dieser Vorhersagen vorgestellt 
werden, werden zuerst die Zusatzprognose und ihre Ergebnisse beschrieben. 
5.4. Zusatzprognosen 
In diesem Abschnitt werden die Zusatzprognosen beschrieben, die im letzten Abschnitt schon 
indirekt vorausgesetzt wurden. D.h. es wurden bei den MR- und MW-Modellen, die auf die 
Vorhersage von stündlichen Stauwerten angewandt wurden, nicht nur Validations-, sondern 
auch Vorhersagefehler vorgestellt, die etwas höher als die Validationsfehler ausfielen. Die 
Vorhersagefehler waren deswegen höher als die Validationsfehler, weil die Zusatzprognosen 
selbst wiederum mit einem Fehler behaftet sind. Je größer die Fehler der Zusatzprognosen 
sind, desto größer ist der Vorhersagefehler der Stauvorhersage. Zuerst wird in diesem 
Abschnitt der Ablauf der Zusatzprognosen geschildert und anschließend werden die Fehler 
der Zusatzprognosen vorgestellt. 
Die Zusatzprognosen werden dem Wasserstandsvorhersagedienst vom Seewetteramt 
(SWA) in Hamburg i.a. persönlich mitgeteilt. Den größten Einfluß auf den Stau hat der Wind 
(Kap.2.1.3), wie auch im letzten Abschnitt verifiziert wurde. Somit ist die Stauvorhersage 
zum größten Teil von der Prognose des Windes abhängig. Der Wind selbst wird wiederum 
u.a. von den Zugbahnen von Tiefdruckgebieten (Zyklonen) und Fronten bestimmt, durch die 
sich die meteorologischen Verhältnisse in der Deutschen Bucht sehr schnell ändern können. 
Ähnlich wie beim Wasserstandsvorhersagedienst werden beim Seewetteramt aerodynamische 
Verfahren, die den hydrodynamischen Verfahren in gewisser Weise ähneln, für die Prognosen 
zu Hilfe genommen und außerdem statistische Verfahren und die Erfahrung der Meteoro 
logen. 
Die Prognosen der Windgeschwindigkeit werden in der Regel nach der Beaufort-Skala 
angegeben (Tab.2.1) und die der Windrichtung nach der Windroseneinteilung (Abb.2.4). Die 
Prognosen werden vom Wasserstandsvorhersagedienst in Knoten und Grad umgerechnet. Da 
die Einheit Knoten genauer als die Beaufort-Skala und die Einheit Grad genauer als die 
Windrose ist, fließt in die Umrechnung bereits die Erfahrung des Wasserstandsvorhersage