BA Lars Jose

Bachelor-Arbeit Lars Jose, 2021

Bayesian parameter identification and uncertainty quantification

Kurzfassung

Diese Arbeit behandelt die off-line Identifikation von Modellparametern und die Quantifizierung derer Ungenauigkeit durch gemessene Eingangs- und Ausgangstrajektorien. Im Hinblick auf die Nutzung in industriellen Entwicklungsprojekten werden nur numerische Methode betrachtet, welche für black-box Simulationsmodelle nutzbar sind. Der Fokus liegt auf Bayes’schen Ansätzen, da es diese erlauben, a priori Informationen über die Verteilung der Modellparameter einzubinden. Parametrische und nicht-parametrische Methoden werden zur Bestimmung der Posterior-Dichtefunktion dargestellt, da dies ein wichtiger Schritt in Bayes’scher Parameteridentifikation und Unbestimmtheitsquantifizierung ist. Diese Ansätze werden mit einem vorhandenen Maximum-Likelihood-Schätzer für die Parameterwerte und einer Methode zur Bestimmung der Unbestimmtheit basierend auf der Fisher-Informationsmatrix verglichen, sowohl hinsichtlich ihrer mathematischen Grundlagen als auch in numerischen Studien.

Betreuer

Prof. Dr.-Ing. habil. J. Rudolph
M.Sc. Amine Othmane