141 
In Tab.5.9 sind zusätzlich zu den Vorhersagefehlern des Windes auch die der anderen 
meteorologischen Größen aufgelistet. Bis auf den Wind wurden für das Training der KL- 
Modelle bei allen Größen jeweils 100 Lernvektoren selektiert. Das entspricht einer Netzgröße 
von 32x32 Neuronen und maximal 100 Lernepochen. Beim Wind wurde die Anzahl Lernvek 
toren in der oben beschriebenen Weise ausnahmsweise erhöht (bis auf 300 Lernvektoren). 
Der Vorhersagefehler der Windgeschwindigkeit wurde dadurch nicht gesenkt, aber der der 
Windrichtung um 1°. Zusätzlich zu den Vorhersagefehlern der KL-Modelle sind auch noch 
die der entsprechenden Persistenzmodelle in Tab.5.9 angegeben. Die Prognosezeiträume 
wurden in Abhängigkeit von der jeweiligen meteorologischen Größe (Windgeschwindigkeit 
und Windrichtung separat) für das KL- und das Persistenzmodell jeweils gleich groß gewählt. 
Bis auf die Windrichtung war es möglich, die meteorologischen Größen nur aus ihrer Ver 
gangenheit heraus mit Hilfe von Kohonen-Netzen besser vorherzusagen als mit Hilfe der 
entsprechenden Persistenzmodelle. 
Warum die Vorhersage der Windrichtung mittels des KL-Modells schlechter als diejenige 
mittels des Persistenzmodells ist, kann möglicherweise daran liegen, daß die Windvektorkom 
ponente Windrichtung inhärent eine vektorielle Größe bleibt. Die Windvektorkomponente 
Windgeschwindigkeit dagegen kann ohne Probleme als skalare Größe betrachtet werden. Z.B. 
kann ein Tiefdruckgebiet nördlich oder südlich von Cuxhaven nach Osten ziehen. In beiden 
Fällen weist die gemessene Windgeschwindigkeit an diesem Ort einen vergleichbaren Verlauf 
auf. Die Windrichtung dagegen verhält sich in beiden Fällen ganz unterschiedlich. Somit muß 
bei der Vorhersage der Windrichtung unbedingt die räumliche Situation mit berücksichtigt 
werden, die von dem univariaten KL-Modell nicht erfaßt wird. Möglicherweise könnte man 
daraufhin behaupten, daß das KL-Modell einen "falschen" Zusammenhang lernt und dadurch 
schlechtere Vorhersagen bietet als das Persistenzmodell. 
Wie bei der Stauvorhersage (Kap.5.3) wurden auch bei den meteorologischen Größen die 
Indikationszeiträume der KL-Modelle in ihrer Länge variiert. Die entsprechenden Vorhersage 
fehler sind in Abb.5.7 dargestellt. Ähnlich wie bei der Stauvorhersage sinken auch die 
Vorhersagefehler der Windgeschwindigkeit, der Windrichtung und des statischen Luftdrucks, 
wenn der Indikationszeitraum verkleinert wird. Bei der Luftdruckänderung und der Differenz 
Luft- minus Wassertemperatur dagegen sind die Vorhersagefehler in Abhängigkeit von der 
Länge des Indikationszeitraums nahezu konstant. Warum das so ist. wurde nicht weiter 
untersucht. Bei der Windrichtung und dem statischen Luftdruck äußert sich der Übergang von 
der Länge zwei zur Länge eins nicht nur mit schlechterem Konvergenzverhalten (Kap.5.3), 
sondern auch mit ansteigendem Vorhersagefehler. Bei der Windrichtung ist das Konvergenz 
verhalten der Kohonen-Netze sogar so schlecht, daß das kombinierte Abbruchkriterium nicht 
greift. Daher wurde nicht nur beim Stau, sondern auch bei diesen Größen ein Indikations 
zeitraum der Länge zwei bevorzugt. Der Einfachheit halber wurde diese Länge bei fast allen 
meteorologischen Größen angewandt, außer bei der Lufttemperatur. 
Bei der Lufttemperatur ist ausnahmsweise ein entgegengesetztes - wenn auch nicht ganz 
so ausgeprägtes - Verhalten des Vorhersagefehlers zu beobachten, nämlich das, was auf 
grund der mathematischen Vorabüberlegungen (Kap.5.3) vorhanden sein sollte. D.h. der 
Vorhersagefehler nimmt ungefähr bis zu einer Länge des Indikationszeitraums von 15 h ab 
(unter Berücksichtigung der Variation der Vorhersagefehler aufgrund unterschiedlicher 
Netzinitialisierungen). Dieser Länge entspricht der in Tab.5.9 aufgelistete Vorhersagefehler 
der Lufttemperatur. In diesem Fall sind Indikations- und Prognosezeitraum gleich groß. Es 
wurde aber nicht weiter geprüft, warum dieses Verhalten gerade bei der Lufttemperatur 
auftritt. Es wäre denkbar, daß dieses Verhalten mit der Periodizität der Lufttemperatur 
zusammenhängt, die im Gegensatz zu den anderen Größen aufgrund des Jahresgangs den