مدل تحلیلی انتقال بار بستر در کانال های با شیب تند با رویکرد احتمالاتی آستانه های حرکت
محل انتشار: فصلنامه مدیریت آب و آبیاری، دوره: 10، شماره: 3
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 183
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWIM-10-3_005
تاریخ نمایه سازی: 3 مرداد 1400
چکیده مقاله:
تخمین بار بستر در کانال های با شیب تند و رودخانه های کوهستانی، بعلت پیچیدگی های فرآیند احتمالاتی انتقال رسوب و محدودیت تحقیقات در شیب های تند، دارای اهمیت ویژه ای است. اغلب معادلات باربستر برای کانال های با شیب ملایم توسعه یافته اند. انتقال باربستر در کانال های با شیب تند علاوه بر تاثیر پذیری از مشخصات تصادفی جریان آشفته و توزیع تصادفی ذرات رسوب، تحت تاثیر شیب طولی بستر است. احتمال آستانه حرکت در شیب تند نسبت به شیب ملایم متفاوت است و کمتر به شرایط احتمالاتی آستانه حرکت در آنها پرادخته شده است. در این تحقیق از رویکرد احتمالاتی برای توسعه روابط احتمال آستانه های حرکت سه گانه غلتش، لغزش و جهش در شیب های تند استفاده شده و مدلی تحلیلی احتمالاتی برای تخمین باربستر در رودخانه های با شیب تند براساس توزیع احتمال نرمال نوسان سرعت لحظه ای ارائه شده است. واسنجی نتایج مدل در مقایسه با نتایج ۵۶۴ سری داده آزمایشگاهی در کانال های با شیب یک تا ۲۰ درصد، نشان داد احتمال کل انتقال رسوب مجموع وزن دار سه احتمال آستانه حرکت غلتش، لغزش و جهش است. مقایسه باربستر تخمینی مدل با مقادیر واقعی نشان داد، مدل توسعه یافته با R۲=۰.۹۲ و RMSE=۳.۵۲ دقت مطلوبی در تخمین باربستر در کانال های با شیب تند دارد و مقایسه نتایج آن با نتایج شش معادله باربستر، نشان از دقت و عملکرد بهتر رویکرد پیشنهادی دارد. از مهمترین دستاوردهای این پژوهش، توسعه یک رویکرد تحلیل احتمالاتی برای تخمین باربستر است. مدل تحلیلی احتمالاتی توسعه یافته قابلیت کاربرد در تخمین باربستر در آبراهه های کوهستانی با شیب تند را دارد.
کلیدواژه ها:
نویسندگان
حسین ریاحی مدوار
استادیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه ولی عصر (عج) رفسنجان، رفسنجان، ایران.
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 :