146 
diesem Fall wurden die meteorologischen Vorhersagen der KL-Modelle zur Berechnung der 
Vorhersagefehler verwendet. 
Die in Tab.5.12 und Tab.5.13 aufgelisteten Fehler basieren auf einer anderen Definition 
als die Fehler in Tab.5.7 und sind daher mit ihnen nicht vergleichbar. In Tab.5.12 und 
Tab.5.13 wird der mittlere absolute Fehler (mae, [2.2], Kap.2.4.4) verwendet, in Tab.5.7 
dagegen der mittlere quadratische Fehler (mrmse, [2.2], Kap.2.4.4). 
Modell 
Validations- 
Vorhersage- 
fehler 
fehler 
alle Größen 1988-92: 
MW 
20 
22 
nur Wind 
1988-92: 
MW 
18 
21 
nur Wind 
1985-92: 
MW 
18 
21 
alle Größen 1988-92: 
RW 
22 
nur Wind 
1988-92: 
RW 
21 
nur Wind 
1985-92: 
RW 
21 
alle Größen 
1988-92: 
MR 
20 
23 
nur Wind 
1988-92: 
MR 
18 
21 
nur Wind 
1985-92: 
MR 
18 
21 
alle Größen: 
Gesamtansatz 
15 
22 
nur Wind: 
Gesamtansatz 
18 
24 
Tab.5.12: Vorhersage des Staus bei Cuxhaven für Hochwasser, mittels eines kubischen Splines (Kap.2.1.2) aus 
stündlich vorhergesagten Stauwerten extrahiert. Mittlerer absoluter Fehler (mae) in cm. Trainingsvektoren nur 
mit dem Minimaldistanz-Verfahren selektiert. Zusatzprognose mittels KL-Modelle (auch für den Wind). 
In Tab.5.7 deutete sich bei den neuronalen Modellen bereits das Verhalten der Validations 
und Vorhersagefehler an, daß diese Fehler in dem Fall, wenn nur Winddaten zusätzlich zu 
den Staudaten trainiert wurden, kleiner sind als in dem Fall, wenn alle beschriebenen 
meteorologischen Größen berücksichtigt werden. In Tab.5.12 ist dieses Verhalten sehr 
ausgeprägt. In Tab.5.13 ist dieses Verhalten zwar weniger stark ausgeprägt als in Tab.5.12, 
aber trotzdem noch zu erkennen. Beim Gesamtansatz dagegen verhalten sich die Validations 
und Vorhersagefehler genau andersherum wie bei den neuronalen Modellen. D.h. in dem Fall, 
wenn alle meteorologischen Größen berücksichtigt werden, sind diese Fehler kleiner als in 
dem Fall, wenn nur der Wind berücksichtigt wird. In dem Fall, wenn alle meteorologischen 
Größen berücksichtigt werden, liefert der Gesamtansatz zwar einen Validationsfehler, der in 
Tab.5.12 der kleinste aller Validationsfehler ist. Vergleicht man aber die Vorhersagefehler, 
die für die Vorhersage wichtiger sind als die Validationsfehler, wird der Gesamtansatz in den 
meisten Fällen von den neuronalen Modellen geschlagen. Bei der Vorhersage des Staus zu 
Niedrigwasserzeiten liefern alle neuronalen Modelle einen kleineren Vorhersagefehler als der 
Gesamtansatz. Bei der Vorhersage des Staus zu Hochwasserzeiten liefern immerhin alle 
diejenigen neuronalen Modelle, die mit Wind- und Staudaten trainiert wurden, einen kleine 
ren Vorhersagefehler (21 cm) als der Gesamtansatz (22 cm).