Login
- Original title:
- Enhanced Predictive Analysis for Flight Incident Probability Using Advanced Uncertainty Quantification Methods
- Translated title:
- Verbesserung der prädiktiven Analyse der Eintritsswahrscheinlichkeit von Vorfällen im Flugbetirebs durch die Nutzung fortschrittlicher Methoden der Unsicherheitsquantifizierung
- Author:
- Wang, Xiaolong
- Year:
- 2022
- Document type:
- Dissertation
- Faculty/School:
- TUM School of Engineering and Design
- Advisor:
- Holzapfel, Florian (Prof. Dr.)
- Referee:
- Holzapfel, Florian (Prof. Dr.); Czado, Claudia (Prof., Ph.D.)
- Language:
- en
- Subject group:
- MAS Maschinenbau; VER Technik der Verkehrsmittel
- Keywords:
- Operational flight data, incident probability, uncertainty quantification, runway overrun, aircraft low energy
- Translated keywords:
- operative Flugdaten, Unfallwahrscheinlichkeit, Unsicherheiten Quantifizierung, Überschießen der Landebahn, Flugzustand mit niedriger Energie
- TUM classification:
- VER 500
- Abstract:
- This thesis introduces advanced uncertainty quantification (UQ) methods to enhance the quality of the Predictive Analysis (PA) algorithms, supporting incident probability prediction, model calibration, contributing factors modeling, sensitivity analysis, and physical modeling. The enhanced PA framework is demonstrated for the aircraft low energy incident model to predict its occurrence probability and identify the critical contributing factors.
- Translated abstract:
- Die Arbeit nutzt fortschrittliche Methoden der Unsicherheitsquantifizierung (UQ), um durch eine Unterstützung der Berechnung von Vorfallseintrittswahrscheinlichkeiten, der Modellkalibrierung, der Modellierung von Einflussfaktoren, der Sensitivitätsanalyse und der physikalischen Modellierung die Qualität prädiktiver Flugsicherheitsanalysen zu verbessern. Die erweiterten Methoden werden exemplarisch auf Flugzustände niedriger Energie angewandt, um deren Eintrittswahrscheinlichkeit zu bestimmen un... »
- WWW:
- https://mediatum.ub.tum.de/?id=1634646
- Date of submission:
- 16.12.2021
- Oral examination:
- 24.05.2022
- File size:
- 23941912 bytes
- Pages:
- 244
- Urn (citeable URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220524-1634646-1-5
- Last change:
- 10.06.2022
BibTeX