User: Guest  Login
Less Searchfields
Simple search
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