@unpublished{SteinerBourinetLahmer,
  author    = {Steiner, Maria and Bourinet, Jean-Marc and Lahmer, Tom},
  title     = {An adaptive sampling method for global sensitivity analysis based on least-squares support vector regression},
  doi       = {10.25643/BAUHAUS-UNIVERSITAET.3832},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20181218-38320},
  pages     = {1 -- 33},
  abstract  = {In the field of engineering, surrogate models are commonly used for approximating the behavior of a physical phenomenon in order to reduce the computational costs. Generally, a surrogate model is created based on a set of training data, where a typical method for the statistical design is the Latin hypercube sampling (LHS). Even though a space filling distribution of the training data is reached, the sampling process takes no information on the underlying behavior of the physical phenomenon into account and new data cannot be sampled in the same distribution if the approximation quality is not sufficient. Therefore, in this study we present a novel adaptive sampling method based on a specific surrogate model, the least-squares support vector regresson. The adaptive sampling method generates training data based on the uncertainty in local prognosis capabilities of the surrogate model - areas of higher uncertainty require more sample data. The approach offers a cost efficient calculation due to the properties of the least-squares support vector regression. The opportunities of the adaptive sampling method are proven in comparison with the LHS on different analytical examples. Furthermore, the adaptive sampling method is applied to the calculation of global sensitivity values according to Sobol, where it shows faster convergence than the LHS method. With the applications in this paper it is shown that the presented adaptive sampling method improves the estimation of global sensitivity values, hence reducing the overall computational costs visibly.},
  subject      = {Approximation},
  language  = {en}
}
@inproceedings{MartinezSotoJentsch,
  author    = {Martinez Soto, Aner and Jentsch, Mark F.},
  title     = {Quantifizierung der langfristigen Entwicklung des Nutzungsgrades von Anlagen und Ger{\"a}ten im Wohnungssektor in Deutschland und Bestimmung zuk{\"u}nftiger Energieeinsparpotenziale im Hinblick auf die Klimaschutzziele der Bundesregierung},
  series = {Bauphysiktage Kaiserslautern 2015, Kaiserslautern, 21-22 Oktober 2015},
  booktitle = {Bauphysiktage Kaiserslautern 2015, Kaiserslautern, 21-22 Oktober 2015},
  editor    = {Kornadt, Oliver},
  edition   = {Zweitver{\"o}ffentlichung},
  publisher = {Eigenverlag der Technischen Universit{\"a}t Kaiserslautern},
  address   = {Kaiserslautern},
  doi       = {10.25643/bauhaus-universitaet.3106},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20170516-31067},
  pages     = {137-141},
  abstract  = {Etwa ein Viertel des gesamten Endenergieverbrauchs (26\%) in Deutschland entf{\"a}llt auf den Wohnungssektor, wodurch dieser Sektor einen erheblichen Anteil am m{\"o}glichen Einsparpotenzial an Energie hat. Im Hinblick auf das Klimaschutzziel der Europ{\"a}ischen Union, die Energieeffizienz im Vergleich zu 1990 um 20\% zu erh{\"o}hen, stellt sich daher die Frage, welche Einsparpotenziale es im Wohnungssektor tats{\"a}chlich gibt und wie diese quantifiziert werden k{\"o}nnen. In dieser Arbeit wird der Einfluss der Parameter, die den Endenergieverbrauch beeinflussen, mit Hilfe einer Sensitivit{\"a}tsanalyse bestimmt. Die Ergebnisse der Sensitivit{\"a}tsanalyse zeigen, dass die einflussreichsten Parameter auf den Endenergieverbrauch der Innentemperaturbedarf, die L{\"a}nge der Heizperiode, die Außentemperatur (Gradtagzahl) und die Anzahl der Wohnungen sind. Dies sind Variablen, die nicht durch Verordnungen reguliert werden k{\"o}nnen. Der einzige Parameter, der regulierbar ist und einen bedeutenden Einfluss auf den Endenergieverbrauch hat, ist der Nutzungsgrad der Anlagen/Ger{\"a}te f{\"u}r Raumw{\"a}rme, Warmwasser und Kochen (sowie zu einem geringen Teil der Wirkungsgrad der eingesetzten Beleuchtung). Zur Quantifizierung des Energieeinsparpotentials im deutschen Wohnungssektor bez{\"u}glich des Nutzungsgrades wurden in dieser Arbeit Daten zur Bestimmung der langfristigen Entwicklung (Zeitraum 1990-2010) des Nutzungsgrades von Anlagen und Ger{\"a}ten analysiert. Mit verschiedenen Angaben aus der Literatur und mit Hilfe von S{\"a}ttigungskurven wurde die Entwicklung der Nutzugsgrade der Anlagen/Ger{\"a}te entsprechend der Energiequellen zwischen 1990 und 2010 ermittelt. Die erhaltenden S{\"a}ttigungskurven erm{\"o}glichen die Bestimmung der Entwicklung des Nutzenergieverbrauchs im deutschen Wohnungssektor. Hierbei wurde festgestellt, dass die Differenz zwischen Nutzenergieverbrauch und Endenergieverbrauch einen R{\"u}ckgang von 12 \% im betrachtenden Zeitraum verzeichnete und dass das Energieeinsparpotenzial in Abh{\"a}ngigkeit von der Energiequelle betr{\"a}chtlich variieren kann (um derzeit mehr als 35\%-Punkte). Im Hinblick auf das oben genannte Klimaschutzziel werden in dieser Arbeit verschiedene Entwicklungsszenarien auf Basis des Nutzungsgrades der Anlagen und der Energiequellen analysiert. Hierbei wird deutlich, dass das theoretische Energieeinsparpotenzial im deutschen Wohnungssektor bez{\"u}glich des durchschnittlichen Nutzungsgrades nur zwischen 4 und 15 \% liegt. Dies bedeutet, dass eine deutliche Reduktion des Endenergiebedarfs im Wohnungssektor nur stattfinden kann, wenn andere Energieeinsparmaßnahmen betrachtet werden. Basierend auf den Ergebnissen der Sensitivit{\"a}tsanalyse werden hierzu Empfehlungen gegeben.},
  subject      = {Wohnung},
  language  = {de}
}
@phdthesis{MartinezSoto,
  author    = {Martinez Soto, Aner},
  title     = {Analyse und Erweiterung von bestehenden Prognosemodellen zur Bestimmung des Endenergiebedarfs im Wohnungssektor},
  doi       = {10.25643/bauhaus-universitaet.3225},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20170607-32251},
  school      = {Bauhaus-Universit{\"a}t Weimar},
  pages     = {291},
  abstract  = {Die wachsende Notwendigkeit zur Energieeinsparung hat in verschiedenen L{\"a}ndern zur Entwicklung von Prognosemodellen zur Bestimmung des Energiebedarfs im Wohnungssektor gef{\"u}hrt. Obwohl Prognosemodelle prinzipiell eine L{\"o}sung zur Bestimmung des Energiebedarfs und zur Beurteilung der Auswirkungen von zuk{\"u}nftigen Energieeinsparmaßnahmen darstellen, sind die bestehenden Modelle jedoch mit Unw{\"a}gbarkeiten in der Modellierung und M{\"a}ngeln bez{\"u}glich der verwendeten Daten und Methodik behaftet. In dieser Arbeit werden die {\"U}bertragbarkeit, Genauigkeit und stochastische Unsicherheit von zw{\"o}lf Prognosemodellen (MAED-2, FfE-Geb{\"a}udemodell, CDEM, REM, CREEM, ECCABS, REEPS, BREHOMES, LEAP, DECM, CHM, BSM) analysiert, wobei Deutschland als Fallbeispiel verwendet wird. Zur Verbesserung der {\"U}bertragbarkeit der bestehenden Modelle werden Anpassungen vorgeschlagen. Außerdem wird f{\"u}r jedes Modell eine Bestimmung der einflussreichsten Parameter auf den simulierten Endenergiebedarf mit Hilfe einer Sensitivit{\"a}tsanalyse vorgenommen. Es konnte gezeigt werden, dass Modelle mit einem hohen Detaillierungsgrad nicht zwangsl{\"a}ufig genauere Ergebnisse f{\"u}r den Endenergiebedarf garantieren. Dennoch wurde festgestellt, dass Modelle mit einem niedrigen Detaillierungsgrad Ergebnisse mit gr{\"o}ßeren Unsicherheiten liefern als Modelle mit einem h{\"o}heren Detaillierungsgrad. Es wurde weiterhin festgestellt, dass die einflussreichsten Parameter zur Bestimmung des Endenergiebedarfs im Wohnungssektor Innenraumtemperatur, Außentemperatur (Gradtagzahl), Bev{\"o}lkerungsentwicklung und Anzahl der Geb{\"a}ude/Wohnungen sind. Auf der Grundlage der Erkenntnisse zur Bewertung bestehender Modelle und der Bestimmung der einflussreichsten Parameter wurde ein optimiertes Prognosemodell (Transferable Residential Energy Model, TREM) entwickelt. Mit dessen Hilfe wurde die Entwicklung des Endenergiebedarfs im deutschen Wohnungssektor sowie in anderen L{\"a}ndern (Vereinigtes K{\"o}nigsreich und Chile) prognostiziert. Diese Ergebnisse wurden anschließend mit statistischen Daten verglichen. Das TREM-Modell bestimmt den Endenergiebedarf auf der Grundlage der wahrscheinlichsten Variationen der einflussreichsten Eingangsparameter mit Hilfe einer Monte-Carlo-Simulation. Im Gegensatz zu bestehenden Modellierungsans{\"a}tzen liefert das Modell damit auch einen Bereich mit Wahrscheinlichkeitsb{\"a}ndern f{\"u}r den zuk{\"u}nftigen Endenergiebedarf. Die Ergebnisse des TREM-Modells zeigen, dass das Modell genauere Ergebnisse liefern kann als derzeitige Modelle mit einem Mittelwert der prozentualen Differenz niedriger als 5\% und einem Korrelationskoeffizienten r h{\"o}her als 0,35 und dar{\"u}ber hinaus dazu geeignet ist, ohne Anpassungen eine Prognose der Entwicklung des zuk{\"u}nftigen Endenergiebedarfs im Wohnungssektor f{\"u}r unterschiedliche L{\"a}nder zu erstellen.},
  subject      = {Energieverbrauch},
  language  = {de}
}
@phdthesis{Hamdia,
  author    = {Hamdia, Khader},
  title     = {On the fracture toughness of polymeric nanocomposites: Comprehensive stochastic and numerical studies},
  doi       = {10.25643/bauhaus-universitaet.3765},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20180712-37652},
  school      = {Bauhaus-Universit{\"a}t Weimar},
  abstract  = {Polymeric nanocomposites (PNCs) are considered for numerous nanotechnology such as: nano-biotechnology, nano-systems, nanoelectronics, and nano-structured materials. Commonly , they are formed by polymer (epoxy) matrix reinforced with a nanosized filler. The addition of rigid nanofillers to the epoxy matrix has offered great improvements in the fracture toughness without sacrificing other important thermo-mechanical properties. The physics of the fracture in PNCs is rather complicated and is influenced by different parameters. The presence of uncertainty in the predicted output is expected as a result of stochastic variance in the factors affecting the fracture mechanism. Consequently, evaluating the improved fracture toughness in PNCs is a challenging problem. Artificial neural network (ANN) and adaptive neuro-fuzzy inference system (ANFIS) have been employed to predict the fracture energy of polymer/particle nanocomposites. The ANN and ANFIS models were constructed, trained, and tested based on a collection of 115 experimental datasets gathered from the literature. The performance evaluation indices of the developed ANN and ANFIS showed relatively small error, with high coefficients of determination (R2), and low root mean square error and mean absolute percentage error. In the framework for uncertainty quantification of PNCs, a sensitivity analysis (SA) has been conducted to examine the influence of uncertain input parameters on the fracture toughness of polymer/clay nanocomposites (PNCs). The phase-field approach is employed to predict the macroscopic properties of the composite considering six uncertain input parameters. The efficiency, robustness, and repeatability are compared and evaluated comprehensively for five different SA methods. The Bayesian method is applied to develop a methodology in order to evaluate the performance of different analytical models used in predicting the fracture toughness of polymeric particles nanocomposites. The developed method have considered the model and parameters uncertainties based on different reference data (experimental measurements) gained from the literature. Three analytical models differing in theory and assumptions were examined. The coefficients of variation of the model predictions to the measurements are calculated using the approximated optimal parameter sets. Then, the model selection probability is obtained with respect to the different reference data. Stochastic finite element modeling is implemented to predict the fracture toughness of polymer/particle nanocomposites. For this purpose, 2D finite element model containing an epoxy matrix and rigid nanoparticles surrounded by an interphase zone is generated. The crack propagation is simulated by the cohesive segments method and phantom nodes. Considering the uncertainties in the input parameters, a polynomial chaos expansion (PCE) surrogate model is construed followed by a sensitivity analysis.},
  subject      = {Bruch},
  language  = {en}
}
@article{Aguinaga,
  author    = {Aguinaga, Jos{\´e} Guillermo De},
  title     = {Error in prediction due to data type availability in a coupled hydro-mechanical model},
  series = {Electronic Journal of Geotechnical Engineering},
  journal   = {Electronic Journal of Geotechnical Engineering},
  doi       = {10.25643/bauhaus-universitaet.3117},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20170413-31170},
  pages     = {2459 -- 2471},
  abstract  = {Different types of data provide different type of information. The present research analyzes the error on prediction obtained under different data type availability for calibration. The contribution of different measurement types to model calibration and prognosis are evaluated. A coupled 2D hydro-mechanical model of a water retaining dam is taken as an example. Here, the mean effective stress in the porous skeleton is reduced due to an increase in pore water pressure under drawdown conditions. Relevant model parameters are identified by scaled sensitivities. Then, Particle Swarm Optimization is applied to determine the optimal parameter values and finally, the error in prognosis is determined. We compare the predictions of the optimized models with results from a forward run of the reference model to obtain the actual prediction errors. The analyses presented here were performed calibrating the hydro-mechanical model to 31 data sets of 100 observations of varying data types. The prognosis results improve when using diversified information for calibration. However, when using several types of information, the number of observations has to be increased to be able to cover a representative part of the model domain. For an analysis with constant number of observations, a compromise between data type availability and domain coverage proves to be the best solution. Which type of calibration information contributes to the best prognoses could not be determined in advance. The error in model prognosis does not depend on the error in calibration, but on the parameter error, which unfortunately cannot be determined in inverse problems since we do not know its real value. The best prognoses were obtained independent of calibration fit. However, excellent calibration fits led to an increase in prognosis error variation. In the case of excellent fits; parameters' values came near the limits of reasonable physical values more often. To improve the prognoses reliability, the expected value of the parameters should be considered as prior information on the optimization algorithm.},
  subject      = {Sensitivit{\"a}tsanalyse},
  language  = {en}
}
@article{AchenbachLahmerMorgenthal,
  author    = {Achenbach, Marcus and Lahmer, Tom and Morgenthal, Guido},
  title     = {Identification of the thermal properties of concrete for the temperature calculation of concrete slabs and columns subjected to a standard fire—Methodology and proposal for simplified formulations},
  series = {Fire Safety Journal 87},
  journal   = {Fire Safety Journal 87},
  doi       = {10.1016/j.firesaf.2016.12.003},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20170331-30929},
  pages     = {80 -- 86},
  abstract  = {The fire resistance of concrete members is controlled by the temperature distribution of the considered cross section. The thermal analysis can be performed with the advanced temperature dependent physical properties provided by 5EN6 1992-1-2. But the recalculation of laboratory tests on columns from 5TU6 Braunschweig shows, that there are deviations between the calculated and measured temperatures. Therefore it can be assumed, that the mathematical formulation of these thermal properties could be improved. A sensitivity analysis is performed to identify the governing parameters of the temperature calculation and a nonlinear optimization method is used to enhance the formulation of the thermal properties. The proposed simplified properties are partly validated by the recalculation of measured temperatures of concrete columns. These first results show, that the scatter of the differences from the calculated to the measured temperatures can be reduced by the proposed simple model for the thermal analysis of concrete.},
  subject      = {Sensitivit{\"a}tsanalyse},
  language  = {en}
}