@phdthesis{Keitel,
  author    = {Keitel, Holger},
  title     = {Bewertungsmethoden f{\"u}r die Prognosequalit{\"a}t von Kriechmodellen des Betons},
  publisher = {Verlag der Bauhaus-Universit{\"a}t Weimar},
  address   = {Weimar},
  isbn      = {978-3-86068-466-5},
  doi       = {10.25643/bauhaus-universitaet.1556},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20120207-15569},
  school      = {Bauhaus-Universit{\"a}t Weimar},
  pages     = {390},
  abstract  = {Ziel dieser Arbeit ist die Entwicklung von Methoden, mit denen die Prognosequalit{\"a}t von Kriechmodellen des Betons bestimmt werden kann. Die Methoden werden in zwei Ausgangsszenarien unterschieden: die Bewertung ohne und die Bewertung mit Verwendung von spezifischen Versuchsdaten zum Kriechverhalten des Betons. Die Modellqualit{\"a}t wird anhand der Gesamtunsicherheit der prognostizierten Kriechnachgiebigkeit quantifiziert. Die Unsicherheit wird f{\"u}r die Kriechprognose ohne Versuchsdaten {\"u}ber eine Unsicherheitsanalyse unter Ber{\"u}cksichtigung korrelierter Eingangsparameter ermittelt. Bei der Verwendung experimenteller Daten werden die stochastischen Eigenschaften der Modellparameter mittels Bayesian Updating bestimmt. Die Bewertung erfolgt erneut basierend auf einer Unsicherheitsanalyse sowie alternativ mittels Modellselektion nach Bayes. Weiterhin wird eine auf Graphentheorie und Sensitivit{\"a}tsanalysen basierende Methode zur Bewertung von gekoppelten Partialmodellen entwickelt. Damit wird der Einfluss eines Partialmodells auf das Verhalten einer globalen Tragstruktur quantifiziert, Interaktionen von Partialmodellen festgestellt und ein Maß f{\"u}r die Qualit{\"a}t eines Gesamtmodells ermittelt.},
  subject      = {Kriechen},
  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}
}