Unter Einbezug von modellsimulierten großskaligen Geopotential-, Feuchte- und Meeresoberflächentemperaturfeldern für Szenarien eines anthropogen verstärkten Treibhauseffekts wird der Niederschlag bzw. die Temperatur im Mittelmeerraum für das 21. Jahrhundert mit der Methode des statistischen Downscalings abgeschätzt. Die als Gitterfelder mit 0.5° räumlicher Auflösung vorliegenden Niederschlags- und Temperaturdaten des CRU-(Climatic Research Unit in Norwich) Datensatzes werden jeweils mittels s-modaler Hauptkomponentenanalyse in Regionen unterteilt. Die resultierenden Zeitreihen der regionalen Variationszentren offenbaren dabei unterschiedliche Niederschlags- und Temperaturverhältnisse in den verschiedenen mediterranen Teilregionen im Untersuchungszeitraum 1948-1998. Als großskalige Einflussgrößen dienen Reanalysedaten des NCEP/NCAR (National Centers for Environmental Prediction/ National Center for Atmospheric Research) der geopotentiellen Höhen der 1000hPa-und 500hPa-Niveaus und der spezifischen Feuchte im 1000hPa-Niveau. Als ozeanische Einflussgrößen werden Meeresoberflächentemperaturdaten des Nordatlantiks und des Mittelmeers verwendet. Zur Dimensionsreduktion und zur Beseitigung linearer Abhängigkeiten gehen die verschiedenen Prädiktorfelder ebenfalls, jeweils getrennt, in s-modale Hauptkomponentenanalysen ein. Anschließend wird der Verlauf des Niederschlags bzw. der Temperatur der regionalen Variationszentren in den Monaten Oktober bis Mai 1948-1998 mit der großräumigen atmosphärischen und ozeanischen Variabilität im gleichen Zeitraum verknüpft. Dies geschieht in mehreren Kalibrierungsabschnitten unter Verwendung von Kanonischen Korrelationsanalysen und multiplen Regressionsanalysen. Die erstellten statistischen Zusammenhänge werden dann in von der Kalibrierung unabhängigen Verifikationszeiträumen überprüft. Die erzielten Modellgüten in den Verifikationsperioden werden herangezogen, um die besten statistischen Modelle für die Zukunftsabschätzungen auszuwählen. Dabei zeigt sich, dass für den mediterranen Niederschlag die besten Modellgüten im Allgemeinen mit der Prädiktorenkombination 1000hPa-/500hPa-Geopotential und spezifische Feuchte erzielt werden können. Die Temperatur im Mittelmeerraum lässt hingegen den stärksten Zusammenhang mit Werten der 1000hPa-/500hPa-geopotentiellen Höhen erkennen. Durch Einsetzen von modellsimulierten Werten der Prädiktoren in die Regressions-bzw. Kanonischen Korrelationsgleichungen wird schließlich die Reaktion der regionalen Klimavariablen Niederschlag bzw. Temperatur auf Veränderungen der großskaligen Zirkulations-, Feuchte- und Meeresoberflächentemperaturanomalien unter Bedingungen eines anthropogen verstärkten Treibhauseffektes abgeschätzt. Je nach verwendeter Methode und einbezogener Prädiktorenkombination zeigen sich teils erhebliche Unterschiede in den Abschätzungsergebnissen. So wird zum Beispiel bei den bedingten Abschätzungen für das 21. Jahrhundert der zukünftige Niederschlagsverlauf zum Teil erheblich abgewandelt, wenn modellsimulierte Feuchtewerte zusätzlich zu den Geopotentialinformationen einbezogen werden. Für die bedingten Abschätzungen des regionalen Klimas im Mittelmeerraum im 21. Jahrhundert werden Prädiktoren-Modellergebnisse zweier verschiedener IPCC- (Intergovernmental Panel on Climate Change) Emissionsszenarien herangezogen. Zum einen werden modellsimulierte Werte nach IS92a- Szenario herangezogen, zum anderen solche nach jüngstem SRESB2-Szenario. Aus beiden verwendeten Szenarienrechnungen gehen im Allgemeinen gleichförmige Tendenzen bei der Entwicklung der Niederschlagssummen im Mittelmeerraum unter anthropogener Verstärkung des Treibhauseffektes im 21. Jahrhundert hervor. Unter Verwendung von Prädiktorenwerten des Hamburger Klimamodells ECHAM4 nach SRESB2-Szenario (großskalige Einflussgrößen: 1000hPa-/500hPa-geopotentielle Höhen und 1000hPa-spezifische Feuchte) ergibt sich für den westlichen und nördlichen Mittelmeerraum bei einer anthropogenen Verstärkung des Treibhauseffektes eine Verkürzung mit gleichzeitiger Intensitätszunahme der "feuchten" Jahreszeit. Dies äußert sich darin, dass im Winter in diesen Regionen Niederschlagszunahmen im Zeitraum 2071-2100 im Vergleich zu 1990-2019 abgeschätzt werden, während im Herbst und Frühjahr Niederschlagsrückgänge überwiegen. In den östlichen und südlichen Teilen des Mittelmeerraumes zeigen sich hingegen für die Monate Oktober bis Mai fast ausschließlich negative Niederschlagstendenzen unter Bedingungen eines anthropogen verstärkten Treibhauseffektes. Für die Temperatur wird unter Verwendung von Modellwerten der großskaligen Einflussgrößen 1000hPa-/500hPa-geopotentielle Höhen unter SRESB2-Szenariobedingungen ein Temperaturanstieg im gesamten Mittelmeerraum für alle untersuchten Monate (Oktober bis Mai) im Zeitraum 2071 bis 2100 im Vergleich zum Abschnitt 1990-2019 abgeschätzt. Die Erhöhung ist im Herbst und zu Beginn des Frühjahrs insgesamt am stärksten ausgeprägt. / Mediterranean precipitation and temperature are assessed for the 21st century under enhanced greenhouse warming conditions by means of statistical downscaling from simulated large- scale predictor fields of 1000hPa-/500hPa- geopotential heights, 1000hPa- specific humidity and sea surface temperatures of the North Atlantic and the Mediterranean. Based on highly resolved gridded data covering the Mediterranean area homogeneously (CRU05 dataset, Climatic Research Unit in Norwich), precipitation and temperature regions are derived by s-mode principal component analyses (PCA). Resulting time series of the regional centres of variation reveal different precipitation and temperature conditions in the various Mediterranean regions for the period 1948-1998. As large-scale predictors 1000hPa-/500hPa-geopotential heights, as well as 1000hPa-specific humidity grids are selected from the NCEP/NCAR-reanalysis project (National Centers for Environmental Prediction/ National Center for Atmospheric Research). Sea surface temperatures of the North Atlantic and of the Mediterranean operate as oceanic predictors. S-mode PCA is also applied to the different predictor fields to remove linear dependencies between variables and to reduce the dimensions of the data. In a next step precipitation/temperature time series of the regional centres of variation for October to May 1948-1998 are linked to the large-scale atmospheric and oceanic circulation in the same period. Canonical correlation analysis and multiple regression analysis are used to establish predictor- predictand- relationships in different calibration periods. Independant periods of time are used to verify the quality of the statistical models. The different quality of the models in the verification periods is used to select the best-performing models for the assessment of future precipitation and temperature. Thereby it is revealed that for Mediterranean precipitation the best performance is achieved with the predictor combination 1000hPa-/500hPa- geopotential heights and specific humidity, whereas Mediterranean temperature shows the strongest connection to the 1000hPa-/500hPa-geopotential heights. The established statistical relationships are subsequently used to predict the response of future precipitation and temperature in the Mediterranean region from climate model changes of the large- scale circulation, humidity, and sea surface temperature anomalies. Considerable differences appear, depending on statistical methods and types of predictors used. Thus the additional inclusion of model-simulated specific humidity values into the predictor fields can result in a substantially modified progression of future precipitation amounts. Model results based on two different IPCC- (Intergovernmental Panel on Climate Change) emission scenarios are used for the conditional assessment of Medi-terranean climate changes in the 21st century. On the one hand model-simulated values according to the IS92a- scenario are used, on the other hand latest SRESB2- scenario values. Both scenario computations yield uniform tendencies of future precipitation amounts in the Mediterranean under increased greenhouse warming conditions. Using ECHAM4- model data according to the SRESB2- scenario (large-scale predictors: 1000hPa-/500hPa-geopotential heights and 1000hPa-specific humidity), a shortening and at the same time an intensity increase of the wet season arises for the western and northern Mediterranean regions. Thus the models predict precipitation increases in winter for the period 2071-2100 compared to 1990-2019, whereas precipitation decreases dominate in fall and spring. The eastern and southern parts of the Mediterranean exhibit mainly negative precipitation tendencies from October to May under enhanced greenhouse warming conditions. Mediterranean temperature shows an increase for the whole Mediterranean area in all analysed months from October to May for the period 2071-2100 compared to 1990-2019 under SRESB2- scenario conditions. Overall the temperature rise is most pronounced during fall and at the beginning of spring.

In dieser Studie werden demographische, diagnostische und therapeutische Faktoren einer an kutanen Sarkomen erkrankten Patientengruppe der Würzburger Hautklinik untersucht. Der prognostische Wert dieser Faktoren wird mit Hilfe verschiedener statistischer Tests und Vergleiche untersucht. Die Studienpopulation umfasst 119 Patienten, die im Zeitraum von 1999 bis 2009 behandelt wurden. / Analysis of Survival, Therapy and progostic factors within a cohort of 119 dermatological patients with cutaneous sarcoma at the Universitätsklinik Würzburg

Zugl.: Kassel, Univ., Diss., 2003 / Download lizenzpflichtig

Despite the lack of a precise definition of volatility in finance, the estimation of volatility and its prediction is an important problem. In this paper we compare the performance of standard volatility models and the performance of a class of neural models, i.e. mixture density networks (MDNs). First experimental results indicate the importance of long-term memory of the models as well as the benefit of using non-gaussian probability densities for practical applications. (author's abstract) / Series: Report Series SFB "Adaptive Information Systems and Modelling in Economics and Management Science"

We consider the problem of predicting the direction of daily volatility changes in the Dow Jones Industrial Average (DJIA). This is accomplished by quantizing a series of historic volatility changes into a symbolic stream over 2 or 4 symbols. We compare predictive performance of the classical fixed-order Markov models with that of a novel approach to variable memory length prediction (called prediction fractal machine, or PFM) which is able to select very specific deep prediction contexts (whenever there is a sufficient support for such contexts in the training data). We learn that daily volatility changes of the DJIA only exhibit rather shallow finite memory structure. On the other hand, a careful selection of quantization cut values can strongly enhance predictive power of symbolic schemes. Results on 12 non-overlapping epochs of the DJIA strongly suggest that PFMs can outperform both traditional Markov models and (continuous-valued) GARCH models in the task of predicting volatility one time-step ahead. (author's abstract) / Series: Working Papers SFB "Adaptive Information Systems and Modelling in Economics and Management Science"

Zugl.: Tübingen, Univ., Diss., 2007

Köln, Dt. Sporthochsch., Thesis (doctoral), 2002.

Thesis Erasmus University Rotterdam. / ook verschenen in gedrukte versie. With bibliogr., with a summary in Dutch.

Zugl.: Köln, University, Diss.

Zugl.: Paderborn, University, Diss., 2006.