17 
Weiterhin zeigt Ponte auf, daß Luftdruckschwankungen besonders in mittleren und höheren 
Breiten eine wichtige Ursache der Meeresoberflächenvariabilität sind [Ponte 93]. Außerdem 
schreibt er, daß der Luftdruck als eine Quelle dynamischer Signale wichtiger als der Wind 
stress, d.h. die Schubspannung, wird, wenn die Perioden kürzer als ungefähr drei Tage sind 
[Ponte 94]. Das paßt zu der Beobachtung des Wasserstandsvorhersagedienstes, daß Fernwel- 
len Perioden von ein bis drei Tagen besitzen. Allerdings können Küsten und die Bodentopo 
graphie auch nichtisostatische Regime erlauben, in Verbindung z.B. mit der Erregung von 
Kelvin- und Schelfwellen. Das müßte in hydrodynamischen Modellen mit berücksichtigt 
werden, um die Reaktion der Meeresoberflächenauslenkung auf Luftdruckschwankungen in 
manchen Regionen realistischer zu beschreiben [Ponte 92]. 
2.2. Begriffserläuterungen 
An dieser Stelle erscheint es angebracht, ein paar Begriffe zu erläutern, die im folgenden 
immer wieder benutzt werden. Neuronale Netze weisen eine sehr viel größere Verwandtschaft 
mit statistischen als mit hydrodynamischen Modellen auf. Im folgenden wird von multi- und 
autoregressiven Verfahren [Hartung et al. 92], [Schlittgen et al. 94] die Rede sein, an deren 
zeitliche Struktur neuronale Netze angelehnt werden. Darum wird an dieser Stelle bereits eine 
Einteilung der Zeitreihen vorgenommen, die in [Weigend et al. 90a], einer Arbeit über 
neuronale Netze gefunden wurde. In dieser Arbeit wird der gesamte zur Verfügung stehende 
Datensatz in drei Teile geteilt: In ein "training set", ein "validation set" und ein "prediction 
set" [Weigend et al. 90a], Diese Einteilung wird für die vorliegende Arbeit übernommen. 
Die in Kap.4 beschriebenen Zeitreihen werden somit in drei Teile geteilt. Der erste Teil 
wird als Datensatz des Trainings bezeichnet und der zweite Teil als Datensatz der Validation. 
Der Trainings- und der Validationsdatensatz enthält jeweils gemessene Daten. Die Messungen 
des Validationsdatensatzes schließen zeitlich direkt an die Messungen des Trainingsdaten 
satzes an. Der dritte Teil wird als Datensatz der Vorhersage bezeichnet und enthält Vorhersa 
gen, die den gleichen Zeitraum abdecken wie die Messungen des Validationsdatensatzes. 
Diese Unterscheidung zwischen Messungen und Vorhersagen wird allerdings in [Weigend et 
al. 90a] nicht vorgenommen. Dort werden nur Messungen verwandt. 
2.2.1. Vorhersagegenauigkeit und Vorhersagemodus 
Die Genauigkeit einer Vorhersage kann durch ihren Fehler angegeben werden. Es müssen 
zwei Arten von Fehlern unterschieden werden. Sie werden als Darstellungs- und Vorhersage 
fehler bezeichnet. Diese beiden Begriffe werden mit Hilfe des Gesamtansatzes näher erläutert. 
In dem Ansatz wird ein multiregressiver Zusammenhang zwischen den meteorologischen 
Größen und dem Stau angenommen. Für die Modellierung dieses Zusammenhangs werden 
zuerst Stau- und meteorologische Daten aus dem Trainingsdatensatz zur Schätzung der 
Modellparameter verwendet. In der Vergangenheit des Wasserstandsvorhersagedienstes 
wurden z.B. die Konstanten k, bis k 10 des Gesamtansatzes u.a. mit Hilfe solcher Daten ge 
schätzt. Anschließend wird mit Hilfe von gemessenen meteorologischen Daten aus dem 
Validationsdatensatz ein Stau berechnet. Dieser Stau wird mit dem gemessenen Stau aus dem 
Validationsdatensatz verglichen. Die Differenz zwischen den berechneten und gemessenen 
Stauwerten, d.h. das Residuum, ist ein Maß für den Darstellungsfehler. Werden statt der 
meteorologischen Messungen meteorologische Vorhersagen aus dem Vorhersagedatensatz zur 
Stauberechnung benutzt, ist das Residuum ein Maß für den Vorhersagefehler. Zur Messung 
der Darstellungs- und Vorhersagefehler siehe Kap.2.4.4. Der Begriff "Darstellungsfehler"