Autor: Sandra Aigner, B.Sc.
Titel: Messreihenauswertung mit künstlichen neuronalen Netzen
Art: Master's Thesis
Jahr, Nr.: 2015
Betreuer: Dr.-Ing. Peter Wasmeier

Das Ziel der vorliegenden Masterarbeit ist es, die temperaturabhängigen Deformationsbewegungen eines Kirchenbauwerks mittels eines geeigneten künstlichen neuronalen Netzes zu modellieren. Auf Basis der Temperatur- und Koordinatenmessungen des Überwachungsnetzes der Münchner Frauenkirche soll ein künstliches neuronales Netz entwickelt werden, das das Übertragungsverhalten des Deformationsprozesses bestmöglich approximiert. Das endgültige Deformationsmodell soll dabei so konzipiert sein, dass sowohl eine Modellierung der gemessenen, als auch eine Prognose der zu erwartenden Punktbewegungen mit ausreichender Genauigkeit möglich ist. Den Hauptteil dieser Arbeit nimmt der Aufbau des künstlichen neuronalen Netzes ein. Erste Netzeinstellungen werden zunächst auf der Grundlage des erarbeiteten Theoriewissens festgesetzt. Nach einer entsprechenden Vorverarbeitung der gegebenen Datensätze werden die Netzparameter in einem Trial-and-Error-Verfahren sukzessive angeglichen. Die besten Netzkonfigurationen der Testläufe werden durch einen Vergleich hinsichtlich der Modellgenauigkeiten herausgefiltert. Eine Optimierung und Verifizierung der Netzarchitektur erfolgt mit Hilfe des Kreuzvalidierungsverfahrens. Die Auswertung der Ergebnisse führt letztendlich auf die Umsetzung eines Deformationsmodells basierend auf einem Radial Basis Neural Network. In der effizientesten Netzarchitektur kann die Genauigkeit für eine Approximation der bekannten Deformationsbewegungen im Schnitt mit einer Wurzel der mittleren Fehlerquadratsumme (RMSE) von ca. 0.3 mm angegeben werden. Die zukünftigen Deformationsbewegungen können unter denselben Bedingungen mit einem RMSE von ca. 0.5 mm prognostiziert werden. Insgesamt bestätigen die erzielten Genauigkeiten die Eignung von künstlichen neuronalen Netzen zur Modellierung des temperaturabhängigen Reaktionsverhaltens der Messpunkte.