Langzeit: Neuronales Netz

Zur deutschen Hauptseite | Alle deutschsprachigen Seiten

Die Methode verwendet ein Künstliches Neuronales Netz (KNN), um die Beziehung zwischen Langzeit-Referenz und Standortmessung herzustellen. Die Langzeit-Referenz im Abgleichszeitraum bildet dabei den Ausgangsdatensatz und die Standortmessung gibt das Feedback, das dazu verwendet wird, das Neuronale Netz zu trainieren. Zu den Eingangsdaten des Neuronalen Netzes gehören immer Windgeschwindigkeit und Windrichtung, fakultativ Tagesstunde und Monat (s.u.). Die Ausgangsschicht enthält Windgeschwindigkeit und Windrichtung.

MCP-Modul → Session öffnen → Register Modelle LZ → Modell hinzuf: Neuronales Netz → Bearbeiten neben Zeile Neuronales Netz 

Die Häkchen im obigen Screenshot zeigen die Standardeinstellung.

Tagesgang: Ist dies aktiviert, so wird die Tagesstunde als Bestandteil eines Samples betrachtet und fließt in den erfahrungsbasierten Lernprozess mit ein

Jahresgang: Wenn aktiviert, fließt der Monat als Bestandteil eines Samples in den Lernprozess ein. In Fällen, in denen das Verhältnis zwischen Standort und Referenz im Jahresgang fluktuiert, führt dies oft zu einer besseren Nachbildung des Jahresgangs. Vorsicht ist geboten, wenn mit weniger als einem vollen Jahr Messdaten gearbeitet wird, da dann das Neuronale Netz in den fehlenden Monaten mit einer Situation konfrontiert wird, mit der kein Training möglich war.

Windgeschwindigkeits-Residuen hinzufügen: Wie die Regressions-Methode neigt das Neuronale Netz dazu, die Variabilität in der vorhergesagten Zeitreihe nicht abzubilden und damit auch den Energiegehalt zu unterschätzen. Diese Variabilität kann und sollte über ein Residuenmodell künstlich hinzugefügt werden. Verwendet wird, wie bei der Regressionsmethode, die Methode der Erweiterten Normalverteilung (1.Ordnung).

Weiter mit:

• MCP-Überblick
• Die MCP-Session
  • Register Zeitreihen
  • Register Einstellungen Session
  • Register Justierung
  • Register Modell-Input
  • Register Konzept-Wahl
  • Register Modelle LZ
  • Register Lokal skaliert
• Session-Überblick
• MCP-Berichte
• MCP-Modelle
  • Langzeit: Einfaches WG-Scaling
  • Langzeit: Regression
  • Langzeit: Matrix
  • Langzeit: Neuronales Netz
  • Kurzzeit: Lokal skaliert