69 
4.2. Vorbereitung 
In Kap.3.3.3 wurde darauf hingewiesen, daß der Datenvorbereitung (u.a. der Datenvorver- 
arbeitung) ein breiterer Raum gewidmet werden muß. Die Vorbereitung wird in diesem 
Abschnitt beschrieben. Er ist stark mit den beiden folgenden Abschnitten der Selektion der 
Daten (Kap.4.3) und des Lernverfahrens (Kap.5.1) verwoben. In Kap.5.1 wird beschrieben, 
warum die Größe der Kohonen-Netze von der Anzahl der Eingangssignale bzw. der Lernvek 
toren abhängig gemacht wurde. Es wurde eine lineare Abhängigkeit gewählt, d.h. eine direkte 
Proportionalität zwischen der Anzahl Neuronen und der Anzahl Lernvektoren. Das hat zur 
Folge, daß, je größer die Anzahl der Lernvektoren gewählt wird, desto größer die Kohonen- 
Netze werden. Sie können so groß werden, daß eine herkömmliche Workstation den Lernvor 
gang nicht mehr in akzeptablem Zeitrahmen bewältigen kann. Aus diesem Grund ist eine 
Reduktion der Daten erforderlich. Dabei wird u.a. wiederum das Konzept der Repräsentativi 
tät berücksichtigt. 
Aus den Basisdaten (Kap.4.1) werden alle Vektoren eines vorgegebenen Zeitmusters 
erzeugt (Zeitmustervektoren), die aufgrund des Meßabstands und der Länge der Zeitreihen 
maximal möglich sind. Dabei werden die Zeitreihen in Richtung zunehmender Zeit durch 
laufen. Die resultierende Menge aller möglichen Zeitmustervektoren ist somit zeitlich 
geordnet (Zeitmustervektormenge). Nach [Anders 93] können Zeitmustervektoren auch mit 
"m-histories" bezeichnet werden und die Zeitmustervektormenge mit "umgebender Dimension 
M". Um der Verständlichkeit willen werden die unterstrichenen Begriffe bevorzugt. Die 
Länge der Zeitmustervektoren ist je nach Zeitmuster gleich oder ungleich der effektiven 
Musterlänge (Kap.4.2.2 und Kap.4.3). Nachdem die Basisdaten als Zeitmustervektormenge 
organisiert sind, wird aus dieser Menge eine Untermenge (oder sub-sample) an Lernvektoren 
selektiert (Kap.4.3). 
Diese Untermenge muß aus Gründen, die in diesem Abschnitt dargelegt werden, einer 
Vorverarbeitung (bzw. Normierung) unterzogen werden. Der eigentliche Zweck dieser Proze 
dur ist es, die Werte der Komponenten der Lern- bzw. Eingabevektoren vergleichbar zu 
machen [Ultsch 91a], Die Vorverarbeitung geschieht für jede Vektorkomponente separat und 
muß in umgekehrter Reihenfolge der einzelnen Teilschritte auch als Nachbearbeitung auf die 
Ausgabe, d.h. die Vorhersage der neuronalen Netze, angewandt werden. Dabei kann es 
geschehen, daß die Berechnungen nicht durchführbar sind. Während der Vorverarbeitung 
werden bestimmte statistische Parameter berechnet, die auch für die Nachbearbeitung benötigt 
werden. Diese Parameter sind sehr stark auf die Verteilung der jeweiligen Vektorkomponente 
zugeschnitten und können daher u.U. nicht auf Vorhersagen angewandt werden, die von 
dieser Verteilung sehr abweichen. Darum ist es sinnvoller, die statistischen Parameter der 
Vorverarbeitung nicht auf Basis einer verhältnismäßig kleinen Anzahl selektierter Daten zu 
berechnen, sondern auf der Basis einer größeren Anzahl, nämlich sämtlicher zur Verfügung 
stehenden Daten (auf Basis der umgebenden Dimension M). Da aber jede Komponente der 
Zeitmustervektoren aus fast allen Werten der jeweiligen Originalzeitreihe besteht, folgt 
daraus, daß die Parameter der Vorverarbeitung nicht aus den jeweiligen Vektorkomponenten 
der selektierten Lernvektoren, sondern aus den Originalzeitreihen selbst berechnet werden 
können, vorausgesetzt: effektive Musterlänge m « n = Länge der Zeitreihen. Damit ist für 
eine maximale Repräsentativität der statistischen Parameter gesorgt. Dadurch können extreme 
Parameter vermieden werden, so daß die Nachbearbeitung höchstwahrscheinlich in allen 
Fällen durchführbar sein wird (im Forecastmodus des Wasserstandsvorhersagedienstes). Al 
lerdings wird dabei vorausgesetzt, daß die statistischen Parameter auf die unbekannte Zukunft 
anwendbar sind. Anwendbar sind sie nur dann, wenn die Arbeitshypothese, daß aus der Ver