147 
Modell 
Validations- 
Vorhersage- 
fehler 
fehler 
alle Größen 
1988-92: 
MW 
22 
24 
nur Wind 
1988-92: 
MW 
20 
24 
nur Wind 
1985-92: 
MW 
19 
24 
alle Größen 
1988-92: 
RW 
25 
nur Wind 
1988-92: 
RW 
24 
nur Wind 
1985-92: 
RW 
24 
alle Größen 
1988-92: 
MR 
22 
25 
nur Wind 
1988-92: 
MR 
19 
24 
nur Wind 
1985-92: 
MR 
19 
25 
alle Größen 
Gesamtansatz 
19 
26 
nur Wind: 
Gesamtansatz 
21 
28 
Tab.5.13: Vorhersage des Staus bei Cuxhaven für Niedrigwasser 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). 
Die Vorgehensweise, zuerst stündliche Stauwerte vorherzusagen und dann daraus Stauwerte 
zu Hoch- und Niedrigwasserzeiten zu extrahieren, ist sehr umständlich. Außerdem sind damit 
die großen neuronalen Modelle, d.h. besonders die MW- und RW-Modelle verbunden, deren 
Nachteile bereits vorgestellt wurden (Kap.5.3). Bei den MW- und RW-Modellen wurde der 
Prognosezeitraum auf 18 Stunden festgelegt (Kap.5.2). Ein Prognosezeitraum mit mehr als 
einem Zeitpunkt setzt voraus, daß die anzulernenden Daten in zeitlich gleichen Abständen 
vorliegen. Der Abstand beträgt in diesem Fall eine Stunde. Die Messungen selbst erfolgten 
von der Uhrzeit her zur vollen Stunde. Die Hoch- und Niedrigwasser dagegen ereignen sich 
zu beliebigen Zeiten, die von Ereignis zu Ereignis verschieden sein können und meistens 
nicht Uhrzeiten zur vollen Stunde entsprechen. Da der Prognosezeitraum der MR-Modelle im 
Vergleich zu den MW- und RW-Modellen nur noch aus einem einzigen Zeitpunkt besteht, 
werden zeitlich gleiche Abstände nicht mehr vorausgesetzt. Somit können die Zeitpunkte der 
Trainingsdaten beliebigen Zeiten entsprechen, die von der Uhrzeit her durchaus von der 
vollen Stunde abweichen können. Folglich können die MR-Modelle, die bisher auf die 
Vorhersage von stündlichen Stauwerten angewandt wurden, auch direkt auf die Vorhersage 
des Staus zu Hoch- und Niedrigwasserzeitpunkten angewandt werden. 
5.5.2. Direkte Vorhersage mittels multiregressiver Modelle 
Wenn der Stau zu Hoch- und Niedrigwasserzeitpunkten vorhergesagt wird, sind die Valida- 
tions- und Vorhersagedatensätze auf solche Zeitpunkte festgelegt. Bei den Trainingsdaten 
sätzen dagegen kann gewählt werden, ob stündliche Werte oder stattdessen wie bei den 
Validations- und Vorhersagedatensätzen auch Werte zu Hoch- und Niedrigwasserzeitpunkten 
verwendet werden. In beiden Fällen bleiben die entsprechenden Zeitversätze berücksichtigt. 
Außerdem werden in beiden Fällen aus den entsprechenden Zeitmustervektormengen jeweils