Institut für Computersprachen
Programmiersprachen und Übersetzer
 | Diplomarbeit |
|---|---|
| Titel | Prognose lokaler Ozonmaxima unter Verwendung neuronaler Netze |
| Autor | Wieland, Dominik |
| Erscheinungsjahr | 1999 |
| Inventardatum | 23.02.1999 |
| Abstract | Das hohe Gefahrenpotential für den Menschen, das bodennahes Ozon vor allem während der Sommermonate darstellt, war Anlass zur Entwicklung eines Modells zur kurzfristigen Prognose ostösterreichischer Ozonmaxima. Dazu wurden als Alternative zu herkömmlichen statistischen und physikalischen Modellen künstliche neuronale Netzwerke verwendet. Teil I dieser Arbeit beschreibt verschiedene neuronale Ansätze und untersucht diese auf ihre Ozonvoraussage. Dabei werden die einzelnen Netzwerktypen sowohl theoretisch erläutert, als auch anhand praktischer Anwendungsbeispiele im Bereich der Datenprognose dargestellt. Die Bandbreite der vorgestellten Netzwerkarchitekturen reicht von klassischen Multilayer-Perceptons (MLPs) und Radial Basis Function Netzwerken über spezielle Modelle zur Zeitreihenverarbeitung (Time-Delay-Neural-Networks oder Recurrent Neural Networks) bis zu unüberwachten Ansätzen, wie ART-Netzwerken oder selbstorganisierenden Tableaus. Neben einer kurzen Darstellung der Bedeutung evolutionärer Algorithmen im Zusammenhang mit neuronalen Netzen, wird Teil I durch die Beschreibung eines alternativen Neuronenmodells abgerundet. Teil II dieses Projeks befasst sich mit der tatsächlichen Prognose lokaler Ozonmaxima anhand der zur Verfügung stehenden Ozon- und Wetterdaten der Sommermonate der Jahre 1995 und 1996. Dazu wurden verschiedene neuronale Modelle entwickelt und in ihrer Prognosefähigkeit mit herkömmlichen Voraussagesystemen verglichen. Erste Versuche verwendeten MLPs zur statischen Ozonprognose; dabei wurde jeweils nur ein Wert jeder Meßreihe verwendet. Tests mit verschieden großen Zwischenschichten, unterschiedlichen Lernraten sowie mit und ohne Bias-Neuronen wurden als Zeitreihenproblem gesehen. Uni- und bivariate Modelle unter Verwendung von MLPs wurden entwickelt. Eine dritte Modellserie verwendete klassische sowie modifizierte Elman-Netzwerke zur Ozonprognose. Wieder wurden verschiedene Topologien und Parametereinstellungen getestet. Die Ergebnisse sämtlicher Modellreihen waren durchaus zufriedenstellend. So gut wie alle getesteten Modelle erzielten bessere Ergebnisse als die vewendeten Vergleichsmodelle. Ein Vergleich mit den Ergebnissen anderer neuronaler Ozonprognosemodelle bestätigte das gute Abschneiden der im Rahmen dieser Arbeit entwickelten Modelle. Das insgesamte beste Ergebnis erzielte ein modifiziertes Elman-Netzwerk mit einem RMS-Fehler von 9,96 während der Abstraktions- und 7,37 während der Wiedergabephase. |
| Status | Verfügbar |