مدل عددی نیمهضمنی روندیابی هیدرولیکی سیلاب (مطالعه موردی: بازه لیقوان تا هروی لیقوانچای، تبریز)
محل انتشار: فصلنامه علوم آب و خاک، دوره: 22، شماره: 3
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 461
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWSS-22-3_029
تاریخ نمایه سازی: 21 اردیبهشت 1400
چکیده مقاله:
روندیابی جریان رودخانه بهعنوان یکی از موضوعات مهم در مهندسی هیدرولیک مطرح بوده است. موضوع اصلی مقاله حاضر، حل کامل معادلات سنتونانت با استفاده از الگوی عددی نیمهضمنی اختلاف محدود همراه با برقراری اصل بقای انرژی در نقاط ناپیوسته میدان جریان است. در این مدل عددی با دقت مرتبه اول، از روش محدود کننده شار بهمنظور برقراری شرط TVD و همچنین از الگوی Upwind برای گسسته سازی عبارت جابه جایی در معادله مومنتوم استفاده شده است. به کمک سه تابع ارزیابی عملکرد ضریب همبستگی، مجموع مربعات خطا و ضریب ناش- ساتکلیف، نحوه کارکرد مدل عددی در روندیابی سیل در لیقوانچای، حد فاصل ایستگاه لیقوان تا ایستگاه هروی با بیست مقطع عرضی بررسی شد. ضریب زبری مانینگ بهعنوان پارامتر انجام فرایند واسنجی و صحت سنجی این مدل برابر با ۰۲۸/۰ تعیین شد. در نهایت مقایسه ای بین نتایج حاصل از مدل عددی نیمهضمنی با مدل هیدرولوژیکی ماسکینگهام غیر خطی در همین بازه رودخانه صورت پذیرفت. مقادیر توابع ارزیابی عملکرد مدل نیمهضمنی بیشتر از مدل هیدرولوژیکی بهدست آمدند. نتایج نشان داد این مدل، ضمن داشتن راندمان محاسباتی بالا و نیز رفع محدودیت گام زمانی محاسبات برای برقراری شرط پایداری حل، از دقت بسیار زیادی برای پیشبینی خصوصیات هیدرودینامیکی رودخانه برخوردار است.
کلیدواژه ها:
نویسندگان
رضا مهدوی
۱. Department of Mathematics, Ramhormoz Branch, Islamic Azad University, Ramhormoz, Iran.
مهدی فولادی پناه
۲. Department of Civil Engineering, Ramhormoz Branch, Islamic Azad University, Ramhormoz, Iran.
ناصر عبدی
۲. Department of Civil Engineering, Ramhormoz Branch, Islamic Azad University, Ramhormoz, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :