Login
- Original title:
- Uncertainty quantification and separation with high-dimensional engineering models
- Translated title:
- Unsicherheitsquantifizierung und - differenzierung im Kontext hoch-dimensionaler Ingenieursmodelle
- Author:
- Ehre, Maximilian
- Year:
- 2022
- Document type:
- Dissertation
- Faculty/School:
- TUM School of Engineering and Design
- Advisor:
- Straub, Daniel (Prof. Dr.)
- Referee:
- Straub, Daniel (Prof. Dr.); Koutsourelakis, Faidon-Stelios (Prof., Ph.D.); Sudret, Bruno (Prof. Dr.)
- Language:
- en
- Subject group:
- BAU Bauingenieurwesen, Vermessungswesen
- Keywords:
- Uncertainty quantification, reliability analysis, sensitivity analysis, Bayesian inference, surrogate modelling, dimension reduction
- Translated keywords:
- Unsicherheitsquantifizierung, Zuverlässigkeitsanalyse, Sensitivitätsanalyse, Bayes'sche Inferenz, Ersatzmodellierung, Dimensionsreduktion
- TUM classification:
- BAU 001
- Abstract:
- Model-based uncertainty quantification plays a central role in modern engineering practice. In this thesis, we address the efficient quantification of high-dimensional uncertainties and the separate treatment of different kinds of uncertainties. We propose approaches for uncertainty propagation, sensitivity and reliability analysis of computational models with high-dimensional uncertainties. Further, we develop a general framework for the separate treatment of two classes of uncertainties.
- Translated abstract:
- Die Quantifizierung von Unsicherheiten ist von zentraler Bedeutung für das Ingenieurwesen. In dieser Arbeit behandeln wir effiziente Quantifizierung von Unsicherheiten hoher Dimension sowie die Trennung verschieder Arten von Unsicherheit. Wir entwickeln Methoden zur Propagation von Unsicherheiten sowie zur Zuverlässigkeits- und Sensitivitätsanalyse von hoch-dimensionalen Computermodellen. Darüberhinaus entwickeln wir einen allgemeinen Rahmen zur Behandlung zweier Klassen von Unsicherheit.
- WWW:
- https://mediatum.ub.tum.de/?id=1616924
- Date of submission:
- 19.07.2021
- Oral examination:
- 21.02.2022
- File size:
- 20236611 bytes
- Pages:
- 230
- Urn (citeable URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220221-1616924-1-4
- Last change:
- 11.04.2022
BibTeX