بررسی معادلات تخمین ضریب زبری مانینگ در رودخانههای طبیعی مطالعه موردی، رودخانه ساسیتنا، آلاسکا

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 953

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NECJ01_037

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

تخمین ضریب مقاومت در برابر جریان در رودخانه ها و کانال های باز از مباحث مهم در مهندسی رودخانه بشمار می آید.هرچند محدوده ی تغییرات ضریب زبری کوچک است، اما همین تغییرات کوچک عاملی اثرگذار بر نتایج مدل سازی هایهیدرولیکی و کیفی در رودخانه هاست. پوشش گیاهی، شکل مقطع، موانع موجود در بستر و ... از جمله عوامل اثرگذار بر مقدار ضریب زیری است. بعلاوه شعاع هیدرولیکی، عمق جریان، عدد فرود جریان، شیب بستر، قطر ذرات رسوب بستر و ... می تواند مقدار ضریب زبری بستر را در اکثر مواقع تحت تاثیر قرار دهد. تاکنون معادلات مختلفی برای تخمین این ضریبارائه شده است که عمدتاً برای شرایط خاص هر رودخانه کاربرد دارند و امکان استفاده از این روش ها برای هر رودخانه ای باید مورد بررسی قرار گیرد. در این مطالعه، مجموعه ای از اطلاعات رودخانه ی ساسیتنا جمع آوری و ضریب زبری این رودخانه با استفاده از 13 روش مختلف محاسبه و با مقدار اندازه گیری شده مقایسه شد. نتایج به دست آمده نشان داد که، با توجه بهآماره های خطا، معادله ی برنلی ) 1983 ( و معادله ی براسچین ) 1985 ( مقادیر بهتری را برای ضریب زبری رودخانه ی مورد مطالعه نسبت به سایر روش ها تخمین می زنند. همچنین ضعیف ترین تخمین ها برای ضریب زبری رودخانه متعلق به معادلاتچانگ ) 2006 ( و معادله ی عباسی و همکاران ) 1391 ( است. در نهایت پیشنهاد می شود که، با استفاده از آنالیز ابعادی رابطه ایدقیق برای تخمین ضریب زبری این رودخانه ارائه شود و همچنین اثر نسبت عرض به عمق رودخانه ها در مقدار ضریب زبری رودخانه مورد بررسی قرار گیرد.

نویسندگان

سعید کاظمی محسن آبادی

گروه مهندسی عمران، واحد بوئین زهرا، دانشگاه آزاد اسلامی، بوئین زهرا، ایران

پریا مجیدی پور

گروه مهندسی عمران، واحد بوئین زهرا، دانشگاه آزاد اسلامی، بوئین زهرا، ایران

محمدرضا بیگلری

دانشجوی کارشناسی ارشد، دانشکده ی عمران و محیطزیست، دانشگاه تربیت مدرس

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 :