Die vorgelegte Dissertation behandelt zum einen die Zeitreihenanalyse atmosphäischer Windgeschwindigkeiten unter der Berücksichtigung, dass atmosphärische Turbulenz nicht idealer Turbulenz entspricht, und zum anderen die Simulierung der Windgeschwindigkeit mittels stochastischer Prozesse.
Zeitreihenanalyse ist ein geeignetes Mittel atmosphärische Turbulenz zu studieren. Basierend auf der Fluktuations- und Superstatistik werden statische Verfahren entwickelt und validiert, mit Hilfe dessen Windgeschwindigkeits-Daten analysiert werden können. Es wird gezeigt, dass eine Zeitreihe bodennaher Windgeschwindigkeiten in guter Näherung aus aufeinander folgenden Zeitintervallen besteht, in denen ideale Turbulenz mit unterschiedlichen Parametern wiedergespiegelt wird. Die Algorithmen sind in der Lage, die zeitliche Entwicklung dieser Turbulenzparameter zu erfassen. Aber die Ergebnisse deuten auch auf die Existenz von Intervallen hin, in denen keine Turbulenz wiedergespiegelt wird. Dabei werden nicht nur die Windgeschwindigkeits-Inkremente untersucht, sondern auch die Windgeschwindigkeits- Fluktuationen um den laufenden Mittelwert herum, welcher ebenfalls als Zufallsvariable behandelt wird. Es wird bestätigt, dass die Fluktuationen annäherungsweise normal verteilt sind und dass es eine Proportionalität zwischen der Standardabweichung der Fluktuation und der mittleren Windgeschwindigkeit gibt.
Das letzte Ergebnis ist die Motivation dafür, geeignete stochastische Prozesse zu finden, die die gleiche Fluktuationsstatistik wie atmosphärischer Grenzschichtenwind besitzen. Dieses ist ein weiteres Ziel der vorliegenden Arbeit. Es wird gezeigt, dass die eben genannte Eigenschaft der Fluktuation nicht trivial ist. Der autoregressive Prozess erster Ordnung besitzt hingegen unter bestimmten Bedingungen bezüglich der gewählten Parameter diese Eigenschaft. Das Ausmaß, inwieweit dieser Prozess dazu geeignet ist, bodennahen Wind zu simulieren, wird analysiert.