Enhancing Flight Safety through Data-Driven Uncertainty Quantification with Vine Copula Models in Aviation

Alnasser, Hassan Habib

Hassan Habib Alnasser

Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link

Originaltitel:: Enhancing Flight Safety through Data-Driven Uncertainty Quantification with Vine Copula Models in Aviation
Übersetzter Titel:: Verbesserung der Flugsicherheit durch datengestützte Quantifizierung von Unsicherheiten mit Vine-Copula-Modellen in der Luftfahrt
Autor:: Alnasser, Hassan Habib
Jahr:: 2024
Dokumenttyp:: Dissertation
Fakultät/School:: TUM School of Computation, Information and Technology
Institution:: Professur für Angewandte Mathematische Statistik (Prof. Czado)
Betreuer:: Czado, Claudia (Prof., Ph.D.)
Gutachter:: Czado, Claudia (Prof., Ph.D.); Holzapfel, Florian (Prof. Dr.)
Sprache:: en
Fachgebiet:: MAT Mathematik
TU-Systematik:: MAT 620
Kurzfassung:: The central focus of this research is the integration of vine copula models in uncertainty quantification problems. Vine copulas are flexible and interpretable multivariate distribution functions that can effectively model complex data dependence structures. By employing vine copula models, we can account for intricate relationships among the studied variables, providing a more comprehensive understanding of uncertainty propagation throughout flight operations.
Übersetzte Kurzfassung:: Das Hauptaugenmerk dieser Forschung liegt auf der Einbeziehung von Vine-Copula-Modellen in Probleme der Unsicherheitsquantifizierung. Vine-Copulas sind flexible und interpretierbare multivariate Verteilungsfunktionen, die komplexe Datenabhängigkeitsstrukturen effektiv modellieren können. Durch den Einsatz von Vine-Copula-Modellen können wir komplizierte Beziehungen zwischen den untersuchten Variablen berücksichtigen und so ein umfassenderes Verständnis der Unsicherheitsausbreitung im gesamten Flugbetrieb erreichen. Übersetzt mit www.DeepL.com/Translator (kostenlose Version) «
Das Hauptaugenmerk dieser Forschung liegt auf der Einbeziehung von Vine-Copula-Modellen in Probleme der Unsicherheitsquantifizierung. Vine-Copulas sind flexible und interpretierbare multivariate Verteilungsfunktionen, die komplexe Datenabhängigkeitsstrukturen effektiv modellieren können. Durch den Einsatz von Vine-Copula-Modellen können wir komplizierte Beziehungen zwischen den untersuchten Variablen berücksichtigen und so ein umfassenderes Verständnis der Unsicherheitsausbreitung im gesamten Fl... »
WWW:: https://mediatum.ub.tum.de/?id=1717341
Eingereicht am:: 04.08.2023
Mündliche Prüfung:: 13.03.2024
Dateigröße:: 23495607 bytes
Seiten:: 104
Urn (Zitierfähige URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240313-1717341-1-2
Letzte Änderung:: 05.04.2024
BibTeX