39 
Schätzung in verschiedenen statistischen Modellen eingesetzt: Backpropagation-Netze in der 
dynamischen Autoregression [Rodrigues et al. 92] und Kohonen-Netze in der lokal linearen 
Autoregression (Kap.2.3.2) [Walter et al. 90]. Neuronale Netze werden z.B. auch zur Beur 
teilung der Auslastung von Bahnsteigen der Londoner U-Bahn herangezogen [Deanna], Im 
Rahmen der Umweltforschung wurden z.B. Kohonen-Netze für die Klassifikation von 
Brunnen einer mittelgroßen Stadt verwendet [Ultsch et al. 91c]. Weiterhin wird z.B. an einem 
Einsatz von neuronalen Netzen im Flugkontrollsystem von Hubschraubern gearbeitet [Math- 
Works 93]. Für die Zeitplanung des Hubble Space Telescopes wird ebenfalls ein neuronales 
Netz eingesetzt, das in das Spike-Zeitplanungssystem integriert ist. Der Spike-Scheduler 
eignet sich besonders für Zeitplanungsprobleme mit vielen wechselwirkenden Nebenbedin 
gungen, die auch unpräzise ("fuzzy") formuliert sein können [Adorf 92]. Auch ziehen 
neuronale Netze in die Architektur ein. Bei der Universitäts-(Campus)planung optimiert ein 
Backpropagation-Netz z.B. die relative Lage von Gebäuden, Parkplätzen und Fußgängerwe 
gen zueinander [Knaus 91]. In der Medizin wird ein Kohonen-Netz für die Blutanalyse 
verwendet, aus dem Regeln zur Diagnose von Eisenmangelkrankheiten generiert werden 
(sig*-Verfahren) [Ultsch 91a], Zukunftsweisend ist die Neurotechnologie. die Prothesen für 
das Gehirn entwickelt, damit Menschen wieder sehen, hören und sich bewegen können 
[Ebeling 95]. 
Nach dieser Fülle von Anwendungen, die die breite Palette der Einsatzmöglichkeiten von 
neuronalen Netzen betonen soll, wird jetzt speziell auf den ozeanographisch/meteorologischen 
Bereich eingegangen. In diesem Bereich beschränken sich die Anwendungen bisher auf 
wenige Fälle. Backpropagation-Netze dienen z.B. zur Klassifikation von Wolkenmustern in 
Satellitenbildern [Bowen 89]. Bowen wandte den neuronalen Algorithmus aber nur auf 
künstliche Muster an. Die anderen drei dem Autor bekannten Anwendungen beschäftigen sich 
mit der Gewinnung von ozeanischen Windfeldern aus Satellitenscatterometerdaten. Zur 
Entfernung der Zweideutigkeit der Windrichtung wird ein Backpropagation-Netz als ein 
geographisch-topologischer Filter eingesetzt [Badran et al. 91]. Zur Bestimmung der "wahren" 
Windrichtung wird außerdem ein dreidimensionales Kohonen-Netz verwendet [Frieauff 93]. 
Ein anderes neuronales Netz (weder Backpropagation- noch Kohonen-Netz) wird zur Model 
lierung der nichtlinearen Transferfunktion für eine verbesserte Bestimmung der Windge 
schwindigkeit verwendet [Krasnopolsky et al. 95]. Dabei wird ein neues Feuchtekriterium 
benutzt. Die herausgefundenen Geschwindigkeiten werden mit Bojenmessungen verglichen. 
3.4.3. Vorhersage 
Neuronale Netze können für die Vorhersage unterschiedlichster Größen verwendet werden. 
In dem allgemein technisch-wissenschaftlichen Bereich fällt eine große Anzahl von Anwen 
dungen auf, die sich mit der Vorhersage von wirtschaftlichen Größen (z.B. Börsenkurse, 
Dollarkurs, Wechselkurse verschiedener Währungen, Zinsen, Devisen) befassen [Würtz et al. 
92], [Rehkugler et al. 92], [de Groot 93], [Hantschel et al. 92]. [Zhang et al. 93], [Refenes 
et al. 93]. Dabei werden hauptsächlich Backpropagation-Netze verwendet. In der zuletzt 
genannten Arbeit wird eine Verbesserung der Vorhersage gegenüber der Vorhersage durch 
ARIMA-Modelle nachgewiesen [Refenes et al. 93]. Wechselkurse können auch mit zeitver 
zögerten (time delay) neuronalen Netzen vorhergesagt werden (Kap.3.3) [Mozer 93]. Die 
Anwendungen auf wirtschaftliche Größen sind wahrscheinlich deswegen so zahlreich, da 
verbesserte Prognosen größere Handelsgewinne bedeuten. Backpropagation-Netze werden 
auch für die Prognose des zu erwartenden Leistungsbedarfs bei Energieversorgungsunter 
nehmen eingesetzt [Zielonka 92]. Bei dieser Anwendung werden auch rückläufige (recurrent)