اعتبارسنجی مدل های انتگرالی و آشفتگی برای پساب شور تخلیه شده در محیط آبی
محل انتشار: دو فصلنامه آب و توسعه پایدار، دوره: 10، شماره: 1
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 64
فایل این مقاله در 10 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_WSD-10-1_007
تاریخ نمایه سازی: 16 مرداد 1402
چکیده مقاله:
با کاهش منابع طبیعی آب شیرین، فعالیت کارخانه های آب شیرین کن در حال افزایش است. پساب این کارخانه ها بلافاصله به محیط دریا بازگردانده می شود. پساب تولیدی مواد شیمیایی و نمک بسیار زیادی دارد که در صورت تخلیه نامناسب باعث برهم زدن تعادل محیط زیست دریا می شود. استفاده از مدل های عددی برای بررسی روش های مختلف تخلیه، یکی از ارزان ترین روش ها است. در این تحقیق برای اولین بار به اعتبارسنجی نتایج مدل های VISJET ،CORJET و (RNG (k-ε برای تخلیه پساب چگال پرداخته میشود. برای این منظور نتایج شبیه سازی این مدل ها در محیط ساکن و پویا، با نتایج مطالعه های آزمایشگاهی مختلف مقایسه می شود. باتوجه به نتایج، مدل RNG سرعت محوری جت را به خوبی و با خطای ناچیزی در مقایسه با مدل های انتگرالی و آزمایشگاهی برآورد می کند. هر سه مدل اکثر پارامترهای مربوط به تخلیه پساب چگال را در مقایسه با مطالعه های آزمایشگاهی کمتر تخمین میزنند. مدل های CORJET و VISJET میزان رقیق سازی پساب را با خطای بالایی برآورد می کنند اما مدل RNG به دلیل درنظر گرفتن آشفتگی جریان، میزان رقیق سازی پساب را با خطای قابل قبولی تخمین می زند. مهمترین مزیت مدل های انتگرالی CORJET و VISJET مدل سازی آسان و زمان محاسبه بسیار کم در مقایسه با مدل آشفتگی RNG است. باتوجه به نتایج ارائه شده می توان نتیجه گرفت مدل RNG به دلیل درنظرگرفتن آشفتگی جریان و ارائه نتایج دقیق، برای انجام مطالعه های مربوط به تخلیه پساب چگال حاصل از کارخانه های آب شیرین کن مناسب است.
کلیدواژه ها:
نویسندگان
وحید بابایی نژاد
کارشناسی ارشد عمران- آب ، دانشکده عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران
بابک خورسندی
دانشیار، دانشکده عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، 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 :