تخمین ضریب زبری مانینگ در بازه پای پل - عبدالخان رودخانه کرخه با استفاده از کالیبراسیون مدلهای سیلاب
Publish place: 07th International River Engineering Conference
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,013
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IREC07_217
تاریخ نمایه سازی: 15 تیر 1385
Abstract:
بمنظور روندیابی سیلاب در آبراهه ها مدلهای متعددی ارائه شده اند که عمومتا از معادلات جریان های غیر ماندگار جهت شبیه سازی سیلاب استفاده می نمایند. مدلهایی شامل ماسکینگهام – کونژ، موج کینماتیک ، موج دیفیوزیو و موج دینامیک و طیفهای گسترده دیگری از مدلهای هیدرولوژی و هیدرولیکی را می توان نام برد.
ضریب زبری مانینگ در مدلهای روند یابی سیلاب که به نحوی از معادلات جریان غیر ماندگار (سنت ونانت) استفاده می نمایند نقش اساسی ایفا می نمایند و مدلهای یاد شده به آن حساسیت بالایی نشان می دهند.
در این مقاله با استفاده از تئوری مدلهای یاد شده و هیدروگرافهای مشاهداتی واطلاعات مورفولوژیک در بازه پای پل – عبدالخان رودخانه کرخه (در پائین دست سد خاکی کرخه) مبادرات به کالیبراسیون مدلهای چهارگانه فوق برای ضریب زبری مانینگ شده است و ضرایب بدست آمده از کالیبراسیون مدلها با یکدیگر مقایسه شده اند.
علیرغم مقدار معین ضریب زبری مانینگ برای بازه مشخصی از رودخانه این مقاله نشان می دهد که با کالیبراسیون مدلهای ریاضی، توسط متلهای مختلف روندیابی ضرایب زبری مانینگ متفاوتی برای بازه مشخص یاد شده قابل تخمین است بگونه ای که در نظر گرفتن ترمهای بیشتر از معادله ممنتوم جریان غیر ماندگار در مدلها موجب تخمین ضریب زبری مانینگ کمتر می شود. نهایتا عوامل موثر در این تفاوتها بررسی شده اند و پیشنهاداتی بمنظور بهینه سازی مقدار ضریب زبری مانینگ به منظور روندیابی سیلاب توسط هر مدل ارائه گردیده است.
Keywords:
Authors
سیدمرتضی سیدیان
دانش آموخته کارشناسی ارشد سازههای آبی دانشکده مهندسی علوم آب دانشگاه
سیدحبیب موسوی جهرمی
استادیار گروه سازه های آبی، دانشکده مهندسی علوم آب دانشگاه شهید چمرا
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :