In this thesis a probabilistic framework for the analysis of large-scale models with a focus on biomechanics is developed. Data-driven stochastic descriptions of uncertain model input parameters are established and combined with a novel multi-fidelity method for the propagation of uncertainties through the model. Using this approach, models of aortic aneurysms and the lung are investigated, thereby taking parametric uncertainties into account, for the first time.
Übersetzte Kurzfassung:
Die vorliegende Arbeit beschäftigt sich mit der Entwicklung eines probabilistischen Ansatzes für die Analyse großer Modelle. Der Fokus liegt dabei auf biomechanischen Modellen. Datengestützte, stochastische Beschreibungen für unsichere Modelleingangsparameter werden etabliert und mit einer neuartigen multi-fidelity Methode zur Berechnung der Fortpflanzung dieser Unsicherheiten im Modell kombiniert. Darauf aufbauend werden in dieser Arbeit erstmals Modelle von Aortenaneurysmen und der Lunge unter Berücksichtigung von parametrischen Unsicherheiten untersucht.
«
Die vorliegende Arbeit beschäftigt sich mit der Entwicklung eines probabilistischen Ansatzes für die Analyse großer Modelle. Der Fokus liegt dabei auf biomechanischen Modellen. Datengestützte, stochastische Beschreibungen für unsichere Modelleingangsparameter werden etabliert und mit einer neuartigen multi-fidelity Methode zur Berechnung der Fortpflanzung dieser Unsicherheiten im Modell kombiniert. Darauf aufbauend werden in dieser Arbeit erstmals Modelle von Aortenaneurysmen und der Lunge unter...
»