@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}
}
@phdthesis{Abbas,
  author    = {Abbas, Tajammal},
  title     = {Assessment of Numerical Prediction Models for Aeroelastic Instabilities of Bridges},
  publisher = {Jonas Verlag},
  address   = {Weimar},
  doi       = {10.25643/bauhaus-universitaet.2716},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20180515-27161},
  school      = {Bauhaus-Universit{\"a}t Weimar},
  pages     = {275},
  abstract  = {The phenomenon of aerodynamic instability caused by the wind is usually a major design criterion for long-span cable-supported bridges. If the wind speed exceeds the critical flutter speed of the bridge, this constitutes an Ultimate Limit State. The prediction of the flutter boundary, therefore, requires accurate and robust models. The complexity and uncertainty of models for such engineering problems demand strategies for model assessment. This study is an attempt to use the concepts of sensitivity and uncertainty analyses to assess the aeroelastic instability prediction models for long-span bridges. The state-of-the-art theory concerning the determination of the flutter stability limit is presented. Since flutter is a coupling of aerodynamic forcing with a structural dynamics problem, different types and classes of structural and aerodynamic models can be combined to study the interaction. Here, both numerical approaches and analytical models are utilised and coupled in different ways to assess the prediction quality of the coupled model.},
  subject      = {Br{\"u}cke},
  language  = {en}
}
@phdthesis{Schoenhardt2005,
  author    = {Sch{\"o}nhardt, Matthias},
  title     = {Geostatistische Bearbeitung unsicherer Baugrunddaten zur Ber{\"u}cksichtigung in Sicherheitsnachweisen des Erd- und Grundbaus},
  doi       = {10.25643/bauhaus-universitaet.665},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20050922-7014},
  school      = {Bauhaus-Universit{\"a}t Weimar},
  year      = {2005},
  abstract  = {In der Dissertation werden die Unsicherheiten von Baugrundkenngr{\"o}ßen f{\"u}r die Erstellung von geologischen Halbraummodellen auf der Grundlage geostatistischer Methoden entgegen dem bislang {\"u}blichen Herangehen mit einbezogen. Infolge der unsicheren Kenngr{\"o}ßen ist das abgeleitete Halbraummodell aus unsicheren geologischen Homogenbereichen zusammengesetzt. In einem probabilistischen Sicherheitsnachweis werden die unsicheren Parameter der Grenzzustandsgleichung und das unsichere geologische Modell gemeinsam betrachtet. Die geostatistischen Methoden sind unterteilt in die experimentelle und theoretische Variographie sowie das Kriging. Die Ber{\"u}cksichtigung von unsicheren Eingangskenngr{\"o}ßen f{\"u}r die geologische Modellbildung f{\"u}hrt zu Variogrammfunktionen mit unsicheren Parametern. Bis zum experimentellen Variogramm sind die Variogrammparameter und deren Unsicherheit analytisch nachvollziehbar beziehungsweise absch{\"a}tzbar. In den weiteren Teilschritten der geostatistischen Modellbildung ist der Einfluss unsicherer Kenngr{\"o}ßen auf Teilergebnisse nur numerisch nachzuvollziehen. F{\"u}r die umfangreichen Simulationen stand keine Software zur Verf{\"u}gung. Als Teilleistung dieser Arbeit wurde hierf{\"u}r die eigenst{\"a}ndige Anwendung „GeoStat" erstellt. Sie erm{\"o}glicht die Berechnung und Auswertung der Fortpflanzung von Unsicherheiten auf numerischem Weg in beliebigen Teilschritten bis hin zur geologischen Modellbildung. Mit dem {\"U}bergang vom experimentellen zum theoretischen Variogramm sind wesentliche Zusammenh{\"a}nge zwischen der Unsicherheit der Kenngr{\"o}ßen und der Unsicherheiten der Parameter f{\"u}r das sph{\"a}rische, das exponentielle und das Gauß'sche Modell mit den Ergebnissen aus GeoStat ableitbar. Der Schwellenwert dieser Funktionen ist proportional zur relativen Kenngr{\"o}ßenunsicherheit. Eine Absch{\"a}tzung der oberen Schranke des Schwellenwertes und dessen Unsicherheit wird angegeben. Die Reichweite ist ein charakteristischer Kennwert des Untersuchungsgebietes. Die Parameterunsicherheiten der Variogrammfunktionen wirken sich in Relation zur Kenngr{\"o}ßenunsicherheit nur gering auf den Prognosewert am unbeprobten Ort infolge des Kriging aus. Die Varianz des Prognosewertes ist geringer als die Kenngr{\"o}ßenvarianzen, aber nicht vernachl{\"a}ssigbar klein. Es ist grunds{\"a}tzlich zu unterscheiden, ob die Kenngr{\"o}ßenvarianzen ausschließlich durch unsichere Parameter der theoretischen Variogrammfunktion repr{\"a}sentiert oder deren Eigenvarianzen zus{\"a}tzlich im Kriging ber{\"u}cksichtigt werden. Mit der alleinigen Ber{\"u}cksichtigung der unsicheren theoretischen Variogrammparameter wird die Standardabweichung der Krigingprognose untersch{\"a}tzt. Sie haben maßgeblichen Einfluss auf die Krigingvarianz als Modellvarianz und deren Standardabweichung. Mit der Einbeziehung der Kenngr{\"o}ßenunsicherheiten kann die Standardabweichung der Prognose realistischer simuliert werden. Sie hat keinen direkten Einfluss auf die Krigingvarianz. Der abgeleitete Unsicherheitsplot, ein Resultat dieser Arbeit, kombiniert die Modellunsicherheit des Krigings und die Varianz des Prognosewertes im unbeprobten Untersuchungsgebiet auf der Grundlage des Varianzenfortpflanzungsgesetzes. F{\"u}r geotechnische Sicherheitsnachweise ist neben der Informationsdichte auch die Optimierung des geologischen Modells wesentlich. Dieses ist vom auszuwertenden Grenzzustand auf der Grundlage eines Sicherheitsnachweises abh{\"a}ngig, so dass vor der geostatistischen Baugrundmodellierung die Sensitivit{\"a}t der in den Grenzzustand eingehenden Kenngr{\"o}ßen zu untersuchen ist. Es hat sich gezeigt, dass die Erh{\"o}hung der Datengesamtheit f{\"u}r die geologische Modellbildung nur dann sinnvoll ist, wenn parallel die Unsicherheit der relevanten Kenngr{\"o}ßen im Sicherheitsnachweis innerhalb der unsicheren Homogenbereiche reduziert wird. F{\"u}r den Referenzstandort f{\"u}hren {\"a}quivalent zur Ber{\"u}cksichtigung der unsicheren Steifemoduln die unsicheren Halbraummodelle zur erheblichen Zunahme der erforderlichen Fundamentabmessungen. Die Unsicherheit der Steifemoduln war maßgebender als die Unsicherheiten des Halbraummodells, obwohl die Datenbasis f{\"u}r die geostatistische Modellierung gering war. Bisher werden in probabilistischen Sicherheitsnachweisen zwar unsichere Kenngr{\"o}ßen, jedoch deterministische geologische Modelle betrachtet. Die unsicheren Kenngr{\"o}ßen innerhalb der Homogenbereiche eines geologischen Modells haben im aufgezeigten Sicherheitsnachweis zwar den maßgebenden Einfluss, doch sind die Unsicherheiten im geologischen Modell nicht zu vernachl{\"a}ssigen. Wege und Grenzen der Ber{\"u}cksichtigung dieses kombinierten Einflusses werden mit dieser Arbeit untersucht und aufgezeigt. Das Anwendungsbeispiel zeigt, dass die optimale geologische Modellbildung spezifisch f{\"u}r den Sicherheitsnachweis vorzunehmen ist. Werden die Unsicherheiten der Kenngr{\"o}ßen innerhalb der Homogenbereiche und unsicheren geologischen Modelle ber{\"u}cksichtigt, wird ein sch{\"a}rferes Abbild der Realit{\"a}t erreicht.},
  subject      = {Geostatistik},
  language  = {de}
}
@inproceedings{KohlerBodin2003,
  author    = {Kohler, Niklaus and Bodin, Olivier},
  title     = {Dealing with sensitivity and uncertainty analysis in integrated buildung LCA model : Dealing with Uncertainty in Life Cyle Analysis of Building Model by Using Experiment Design Methods},
  doi       = {10.25643/bauhaus-universitaet.322},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20111215-3220},
  year      = {2003},
  abstract  = {Building design, realization, operation and refurbishment have to take into account the environmental impacts as well as the resulting costs over a long period of time. LCA methods had to be developed for buildings because of their complexity, their long life duration and through a large number of actors who are involved. This was realized by integrating life cycle analysis, life cycle costing and building product models in integrated LCA models. However the use of such models leads to difficulties. The principal ones are the uncertainty treatment in LCA models and the lack of experience of practitioners who are not LCA specialists. Answers to these problems are the management of uncertainty and the development of simplified models for building design, construction and operation. This can be achieved with the mean of experimental plans or Monte Carlo simulation. The paper will focus on how these techniques can be used, what are their possibilities and disadvantages, particularly concerning the development of simplified models.},
  subject      = {Bauwerk},
  language  = {en}
}