3.5. Backpropagation-Netze 40 
3.5.1. Vorhersage 41 
3.5.2. Realzeit Lernen 42 
3.5.3. Konvergenz 43 
3.6. Kohonen-Netze 46 
3.6.1. Sensorische Karten 46 
3.6.2. Motorische Karten 49 
3.6.3. Vorhersage 51 
3.6.4. Metrik 54 
3.6.5. Topologieerhaltung, Selbstorganisation und Signalverarbeitung 55 
3.6.6. Visualisierung 57 
4. Daten 59 
4.1. Basis 59 
4.1.1. Pegel bei Cuxhaven 60 
4.1.2. Meteorologische Größen (Gesamtansatz) 63 
4.1.3. Weitere meteorologische und ozeanographische Daten 66 
4.2. Vorbereitung 69 
4.2.1. Überprüfung auf Zufälligkeit 71 
4.2.2. Ausreißer und Lücken 75 
4.2.3. Trendelimination 79 
4.2.4. Vorverarbeitung 85 
4.2.5. Behandlung der Windrichtung 92 
4.3. Selektion 95 
4.3.1. Verfahren der zirkularen Gruppenreduktion 100 
4.3.2. Minimaldistanz-Verfahren 102 
4.3.3. Vergleich beider Verfahren 107 
5. Anwendung der Kohonen-Netze 111 
5.1. Lernverfahren 111 
5.1.1. Lernparameter 111 
5.1.2. Netzgröße und Lerndauer 112 
5.1.3. Abbruch der Lernphase 116 
5.1.4. Validation durch Analyse der Merkmalskarte 123 
5.2. Spezifikation derZeitmuster 125 
5.3. Vorhersage von stündlichen Stauwerten 128 
5.3.1. Vorhersage mittels univariater Modelle 128 
5.3.2. Vorhersage mittels multivariater Modelle 132 
5.4. Zusatzprognosen 
138