Login
- Originaltitel:
- Enhanced Predictive Analysis for Flight Incident Probability Using Advanced Uncertainty Quantification Methods
- Übersetzter Titel:
- Verbesserung der prädiktiven Analyse der Eintritsswahrscheinlichkeit von Vorfällen im Flugbetirebs durch die Nutzung fortschrittlicher Methoden der Unsicherheitsquantifizierung
- Autor:
- Wang, Xiaolong
- Jahr:
- 2022
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Engineering and Design
- Betreuer:
- Holzapfel, Florian (Prof. Dr.)
- Gutachter:
- Holzapfel, Florian (Prof. Dr.); Czado, Claudia (Prof., Ph.D.)
- Sprache:
- en
- Fachgebiet:
- MAS Maschinenbau; VER Technik der Verkehrsmittel
- Stichworte:
- Operational flight data, incident probability, uncertainty quantification, runway overrun, aircraft low energy
- Übersetzte Stichworte:
- operative Flugdaten, Unfallwahrscheinlichkeit, Unsicherheiten Quantifizierung, Überschießen der Landebahn, Flugzustand mit niedriger Energie
- TU-Systematik:
- VER 500
- Kurzfassung:
- 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.
- Übersetzte Kurzfassung:
- 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
- Eingereicht am:
- 16.12.2021
- Mündliche Prüfung:
- 24.05.2022
- Dateigröße:
- 23941912 bytes
- Seiten:
- 244
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220524-1634646-1-5
- Letzte Änderung:
- 10.06.2022
BibTeX