CN113505339A - 基于指数模型的有非淹没植被河道二维流场预测方法 - Google Patents
基于指数模型的有非淹没植被河道二维流场预测方法 Download PDFInfo
- Publication number
- CN113505339A CN113505339A CN202110889048.2A CN202110889048A CN113505339A CN 113505339 A CN113505339 A CN 113505339A CN 202110889048 A CN202110889048 A CN 202110889048A CN 113505339 A CN113505339 A CN 113505339A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- area
- water
- flow velocity
- flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 185
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 35
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 230000035515 penetration Effects 0.000 claims description 6
- 230000000903 blocking effect Effects 0.000 claims description 5
- 238000011160 research Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 13
- 238000012360 testing method Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 241000196324 Embryophyta Species 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 244000205574 Acorus calamus Species 0.000 description 1
- 235000011996 Calamus deerratus Nutrition 0.000 description 1
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 240000001398 Typha domingensis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V20/00—Geomodelling in general
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Structural Engineering (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Measuring Volume Flow (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
技术领域
本发明属于水力学及河流动力学领域,具体涉及基于指数模型的有非淹没植被河道二维流场预测方法。
背景技术
植被广泛存在于天然河流、湿地和沼泽中,在改变水流结构和泥沙沉积方面发挥着重要作用。在河道中,有植被区域水流流速较低,在无植被区域水流流速较高,由于流速变化导致的质量和动量交换,使得非淹没植被群落侧边产生了流速剪切层。剪切层的动量交换将影响沉积泥沙再悬浮,并对河道内植被区域的泥沙沉积产生影响。
为了进一步研究植被群落与河床演变之间的交互影响关系,亟需知道有植被河道二维流场分布。然而天然条件下,很难直接得到有部分植被河段水流二维流场。这是由于许多天然河流宽阔,水流流速不稳定,部分植被枝叶遮挡水面,难以放置探测设备,因此很难测量各处水流流速,即使测量到部分流速数据,也难以判断其精确度。
在实验室条件下,虽然可以在恒定且均匀的水流条件下测得详细的植被区域水流二维流场,但需要花费大量的时间、人力和经费去完成测量工作。通常而言,在一条2米宽、23米长的试验水槽中构建一个宽0.8米、长15米的植被群落,采用多普勒流速测量仪(ADV)测量,采样频率为50Hz,每个点的采样时间至少需设定为150秒,在每天测量8小时条件下,详细测量植被群落区域流速并分析植被群落内部及周围水流结构,需花费几周至数月时间。
因此,亟需一种简单、实用的方法可预测有非淹没植被河道水流二维流场,其成果可以应用于河流生态工程,为进一步开展植被群落演变研究提供理论依据。
发明内容
针对目前现有技术难以有效预测有非淹没植被群落河道中水流二维流场的技术现状,现有本发明的目的旨在提供一种基于指数模型的有非淹没植被河道二维流场预测方法,该预测方法基于指数函数构建的预测模型,可同时实现对植被群落区域及无植被区域的水流流速二维流场分布预测。
为达到上述目的,本发明提供的基于指数模型的有非淹没植被河道二维流场预测方法,包括以下步骤:
(1)以非淹没植被群落上游端边界中心位置为原点,将河道沿垂直于水流方向即x方向划分为植被区和无植被区,植被区:1>y/b>-1,植被区中心区域:b-δp>y>δp-b,无植被区:B/2≥y≥b和-b≥y≥-B/2,植被群落侧面边缘处:y=b,b为1/2植被群落宽度,B为1/2河道宽度;δp为植被群落两侧的横向旋涡进入植被内部的穿透距离,δm为混合层宽度;
(2)确定植被区和无植被区二维流场流速分布的预测模型:
式中,Ud(1)为沿水流方向不同位置处植被区的横向分布流速,Ud(2)为沿水流方向不同位置处无植被区的横向分布流速,Uveg为植被区沿水流方向的横断面平均流速,Uy=b是植被群落侧面边缘处的水流速度,Ubare是无植被区沿水流方向的横断面平均流速,Ld(veg)和Ld(bare)分别是植被区和无植被区的指数衰减长度,其中, 所述植被区沿水流方向的横断面平均流速Uveg可根据有非淹没植被群落河道流速纵向分布预测模型确定;
(3)确定植被群落侧边边缘处的水流速度Uy=b和无植被区沿水流方向的横断面平均流速Ubare:
植被群落侧面边缘处的水流速度Uy=b和无植被区沿水流方向的横断面平均流速Ubare根据以下两个边界条件确定:
式中,Ud(1)和Ud(2)分别根据步骤(2)中预测模型所获得的植被区和无植被区的横向分布流速,U0为河道上游x<-Lu的平均流速,Lu为植被群落上游的水流偏转距离;
当植被群落边缘处的水流速度Uy=b和无植被区沿水流方向的横断面平均流速Ubare确定时,步骤(2)中的预测模型即可用于预测植被区和无植被区二维流场流速分布。
上述基于指数模型的有非淹没植被河道二维流场预测方法,在植被区,Ld(veg)与穿透距离δp相关,δp=max[0.5(Cda)-1,1.8d],在无植被区,Ld(bare)与混合层宽度δm相关,混合层指相邻两层水流流速不同时,流速交换产生漩涡的区域。当水流速度由初始流速开始变化,且流速变化ΔUd(=Ubare-Iy=b)达到初始流速的90%时,定义此时水流流经的距离为δm,
上述基于指数模型的有非淹没植被河道二维流场预测方法,上游流速U0(为固定值)在经过植被区域河段时,分成了植被区沿水流方向的横断面平均流速Uveg和无植被区沿水流方向的横断面平均流速Ubare。为了确定植被区和无植被区二维流场流速分布,在步骤(2)中需要确定植被区沿水流方向的横断面平均流速Uveg,在步骤(3)中需要确定河道上游x<-Lu的平均流速U0和Ubare。植被区沿水流方向的横断面平均流速Uveg可以根据现有技术中的预测模型进行确定,本发明中采用Liu et al.(2020)建立的Uveg预测模型确定(具体请参见Liu C,Shan YQ,Sun W,Yan CH,Yang KJ.(An open channel with an emergentvegetation patch:Predicting the longitudinal profiles of velocities based onexponential decay.Journal of Hydrology,582,124429.),如下:
其中,Uveg是植被区沿水流方向的横断面平均流速,Uveg(f)是植被群落内部充分发展区域x>LI的平均流速,Uveg(0)是在植被区域上游边界处x=0的流速,LI为植被群落内部的水流偏转距离,Ld(1)为植被内部区域的指数衰减长度,Ld(1)/LI=0.30±0.01。
上述Uveg预测模型中所涉及到植被群落内部的水流偏转距离LI可以根据前人的经验公式计算:
式中,Cd为植被拖曳力系数,a为单位水体植被的阻水面积,b为1/2植被群落宽度。
上述Uveg预测模型中所涉及植被群落内部充分发展区域x>LI的平均流速Uveg(f)可以依据以下公式确定:
式中,g是重力加速度;h为水深;S为水面坡度;Cf是床面摩擦系数。
上述Uvege预测模型中所涉及植被区域上游边界处的流速Uveg(0)依据以下公式确定:
式中,U0为河道上游x<-Lu的平均流速。
上述Uveg预测模型中所涉及河道上游x<-Lu的平均流速U0可直接测量获得,也可依据以下公式确定,其中Lu为植被群落上游的水流偏转距离,植被群落上游水流偏转距离Lu的取值范围通常为30~50cm。
式中,g是重力加速度;h为水深;S为水面坡度;Cf是床面摩擦系数。
本发明的发明思路是:本发明适用于河道水流流速大于0cm/s的非淹没植被群落河道工况,因此水流变化可认为是二维的,即仅在水流方向和横向(垂直于水流的方向)。本发明中以x,y分别表示水流方向和横向。将有非淹没植被群落河道沿垂直水流方向(y方向)划分为两个区域:植被区:1>y/b>-1和无植被区:B/2≥y≥b和-b≥y≥-B/2,y=b为植被群落侧面边缘处即植被区和无植被区的交界面。
河道中的非淹没植被群落使得水流从植被区横向偏转至无植被河道区域,产生内部水流调节区(LI>x>0),在该区域上,水流速度呈指数下降。Rominger and Nepf(Rominger JT,Nepf H.Flow adjustment and interior flow associated with arectangular porous obstruction.Journal of Fluid Mechanics,2011,680,636–659.)研究中提出内部流量调整区长度LI与植被密度Cda和植被群落宽度b有关,可通过以下公式估算LI:
式中,Cd是植被拖曳力系数(通常选取为1),a是单位水体植被的阻水面积(a=nd,其中,n为植被密度,d为单株植被直径),b是1/2植被群落宽度。
在内部水流调节区之外(x≥LI),植被群落内部中形成了一个水流充分发展区,在此区域流速趋于恒定。在x>LI区域,当剪切层足够强时,Kelvin-Helmholtz(KH)涡将会沿植被群落边缘形成,当KH涡将系数KH漩涡发生,其中Ubare和Uveg分别为无植被区和植被区沿水流方向的横断面平均流速,可由垂向平均流速确定。当KH旋涡形成时,旋涡穿过侧边进入植被群落。White and Nepf(2008)提出了以下公式来估算穿透距离δp:
δp=max[0.5(Cda)-1,1.8d] (2)
式中,d为单株植被直径。
植被区中心区域(b-δp>y>δp-b)的植被区沿水流方向的横断面平均流速Uveg流速恒定不受KH旋涡影响。
Liu et al.(Liu C,Shan YQ,Sun W,Yan CH,Yang KJ.(An open channel withan emergent vegetation patch:Predicting the longitudinal profiles ofvelocities based on exponential decay.Journal of Hydrology,2020,582,124429.)建立了植被区沿水流方向的横断面平均流速Uveg的预测模型:
式中,Uveg(f)是水流充分发展区(x>LI)中的横断面平均速度;U0为河道上游x<-Lu的平均流速,Lu为植被群落上游的水流偏转距离;Uveg(0)是植被群落上游端边界x=0处的流速;Ld(1)是Uveg(f)在植被群落内部的指数衰减长度,
上式(3)中,水流充分发展区(x>LI)中的横断面平均速度Uveg(f)可通过以下公式进行预测:
式中,g是重力加速度;h为水深;S为水面坡度;Cf是床面摩擦系数。
上式(3)中,植被群落上游端边界x=0处的流速Uveg(0)可通过以下公式预测,并与河道上游x<-Lu的平均流速U0进行无量纲化处理,这种方法适用于植被参数Cdab=0-9范围的有非淹没植被的河道。
在无植被区,无植被区沿水流方向的横断面平均流速Ubare在无植被区的指数衰减长度Ld(bare)与混合层宽度δm相关,δm定义为水流速度变化ΔUd(=Ubare-Uy=b)达到90%时水流流经的距离,在植被区,植被区沿水流方向的横断面平均流速Uveg在植被群落内部的指数衰减长度Ld(veg)与穿透距离δp相关,δp=max[0.5(Cda)-1,1.8d],因此,在植被区沿水流方向的横断面平均流速Uveg的预测模型的基础上,基于“河道中的非淹没植被群落使得水流从植被区横向偏转至无植被河道区域,产生内部水流调节区(LI>x>0),在此区域内,水流速度呈指数下降”的理论基础,根据Uveg在植被群落内部的指数衰减长度Ld(veg)和Ubare在无植被区的指数衰减长度Ld(bare)建立以下模型:
上述式(6)、式(7)即为本发明中提供的植被区和无植被区二维流场流速分布的预测模型。再使用以下两个边界条件确定上述式(6)、式(7)中的植被群落侧面边缘处的水流速度Uy=b和无植被区沿水流方向的横断面平均流速Udere:
式中,Ud(1)和Ud(2)分别为通过式(6)、式(7)所示预测模型所获得的植被区和无植被区的横向分布流速。
当植被群落边缘处的水流速度Uy=b和无植被区的水流流速Ubere确定时,式(6)、式(7)所示预测模型即可用于预测植被区和无植被区二维流场流速分布。
与现有技术相比,本发明提供的技术方案具有以下有益效果:
(1)本发明提供的基于指数模型的有非淹没植被河道二维流场预测方法,将河道沿垂直于水流的方向划分为植被区和无植被区,通过构建的植被区二维流场流速分布预测模型和无植被区二维流场流速分布预测模型,可同时实现对植被区和无植被区的二维流场预测,为进一步开展植被群落演变研究提供理论依据。
(2)本发明提供的基于指数模型的有非淹没植被河道二维流场预测方法,构建的植被区横断面平均流速纵向分布模型为指数函数,满足流体动力的规律,通过该预测模型得到的河道二维流场更接近于真实流速,预测精度高。
(3)本发明提供的基于指数模型的有非淹没植被河道二维流场预测方法,不需开展流速测量,仅需要根据河道和植被群落的基本参数(包括河道宽度、植被群落宽度、植被群落密度、植被拖曳力系数、河道床面阻力系数等),便可对植被区和无植被区横断面二维流场预测,这样不仅能够降低研究成本,而且适用于工作人员不便于到达的河道区域,具有十分广泛的通用性。
附图说明
图1是河道中心位置有非淹没植被河道两种情况下水流发展示意图,其中,b在图中表示1/2植被群落宽度,B在图中表示1/2河道宽度。
图2是河道一侧位置有非淹没植被河道水流发展示意图,其中,b在图中表示植被群落宽度;B图中表示河道宽度。
图3是实施例中模拟有非淹没植被河道两种情况的工况照片,其中图(a)为B1工况照片;图(b)为C1工况照片,水流从图片底部向顶部方向流动。
图4是实施例中不同纵向(x方向)位置的流速测量值(以不同符号表示)与流速预测值(以实线表示)对比图,其中,图(a)表示B1工况数据,φ=0.015;图(b)表示B2工况数据,φ=0.023;图(c)表示B3工况数据,φ=0.045,虚线表示植被群落边缘,植被长度在图中未按实际比例表示。
图5是实施例中不同纵向(x方向)位置的流速测量值(以不同符号表示)与流速预测值(以实线表示)对比图,其中,图(a)表示C1工况数据,φ=0.025;图(b)表示C2工况数据,φ=0.038,虚线表示植被群落边缘。
具体实施方式
以将结合附图对本发明各实施例的技术方案进行清楚、完整的描述,显然,所描述实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明。
以下通过本实施例对通过水槽试验得到河道部分区域长有非淹没植被群河道二维流场及模型预测得到有非淹没植被群河道二维流场的过程及结果进行详细说明。
①试验目的
通过水槽试验测量有非淹没植被群落河道中植物区和无植被区二维流场流速分布,并选择部分工况测量详细的二维流速分布,将获取的植被区与无植被区的二维流场流速分布与运用预测模型得到的二维流场流速分布相比较,以验证本发明所提供的基于指数模型的有非淹没植被河道二维流场预测方法的准确性。
②试验设备
主要设备如表1所示。
表1有非淹没植被群落的水槽试验装置
③试验工况
本实施例对两种有非淹没植被的河道进行试验从而验证本发明提供的预测方法的有效性。一种情况是河道中心区域具有非淹没植被,如图1所示;另一种情况是河道一侧具有非淹没植被,如图2所示。为此,设计了两个工况系列的实验,并在两个不同的水槽(水槽一和水槽二)中进行试验。两个水槽的入口处均有一个水流垂直器,以便在水槽中产生垂向的均匀流。通过调节尾门来调整水深,并使用水位计沿水槽进行测量。
在水槽一中,组建了长方形的模型植被群落并放置在水槽中心位置,这里的长方形模型植被群落不代表自然界中某一种具体植被群落,仅仅设计为实施概化模型。因此,植被的形状并不是本发明的关注重点。在水槽一所组建的工况B1-B3中,试验段长15m,植被群落长度L=3-5m,L的选择依据是大于制备群落内部的水流偏转距离LI,以出现水流充分发展区域(对应Uveg(f))。Lu和LI由各工况的纵向流速分布决定,将植被群落上游水流流速开始变化的位置到植被群落前端的距离定义为Lu,将在植被群落内部流速降低为常数的位置到植被群落前端的距离定义为LI。工况B1-B3的LI值汇总于表2中,Lu=b(植被半宽度)。工况B1-B3中,植被群落的1/2植被群落b=30-40cm,1/2河道宽度B=100cm,植被群落与河道的宽度比b/B=0.3-0.4;水深h=17.8±0.2,河道平均流速为U0=18.0±0.5cm/s,雷诺数Re(=U0R/m)≈27000,水流弗劳德数其中R为水力半径。
在水槽二中,组建了长方形的模型植被群落并放置在水槽侧边。在水槽二所组建的工况C1-C2中,试验段长7m,植被群落长度L=4.5m,L的选择依据是大于制备群落内部的水流偏转距离LI,以出现水流充分发展区域(对应Uveg(f))。Lu和LI由各工况的纵向流速分布决定。工况C1-C2的LI取值汇总于表1中。工况C1-C2中,植被群落的植被群落b=33cm,河道宽度B=100cm,植被群落与河道的宽度比b/B=0.33;水深h=20.0±0.2,河道平均流速为U0=19.1±0.2cm/s,雷诺数Re(=U0R/v)≈23000-27000,其中R为水力半径,水流弗劳德数表明水流是紊流和缓流。
在水槽一和水槽二中都使用刚性圆柱来模拟植被,具体为圆柱木棍。在水槽一中,模型非淹没植被的圆柱长30cm,大于水深17.8cm;在水槽二中,模型非淹没植被的圆柱长30cm,大于水深20.0m。圆柱体并不代表植物的特定种类,但可以代表芦苇和香蒲等新兴植被,它们有坚硬的茎。在自然界中,植被通常以有限宽度和长度的群落形式出现。野外研究表明,植被群落的长度和宽度一般在0.5到5米之间。在本实施例中,研究水流足够浅时的非淹没植被群落内部及周围区域形成的近似二维水流。设置圆柱直径d=0.8cm是根据观测的河滩上幼嫩植物及河中植物根茎直径范围(d=0.2到1.2cm,Lightbody and Nepf 2006;Sand-Jensen 1998;Manners et al,2015)而确定,固体体积分数φ(=π/4 vd2)在试验中范围为φ=0.015-0.045,这与前人学者在野外观察到植被参数一致(常见的香菖蒲φ=0.001-0.04,Grace et al.,1986;Coon et al.2000),其中v是河床单位面积上的单株植被密度。具体而言,在B1、B2和B3工况中分别对应φ=0.015,0.023和0.045,在C1和C2工况中分别对应φ=0.025和0.038。
圆柱木棍固定在水槽底部的带孔PVC板上,PVC板厚度为1cm。PVC板分别覆盖了上述两个水槽中的整个床面,产生的床层摩擦系数Cf=0.006±0.001。在各个工况中,植被模型长度均大于内部水流调节距离(即L>LI),因此每组工况中都有水流调节区和水流充分发展区。水流调节区的距离LI由实测速度估算。在水流充分发展区,Kelvin-Helmholtz涡将沿着非淹没植被群落的侧边发生。Caroppietal.(2020)研究中表明,使得KH涡发生的条件为:
在本实施例中,KH涡将系数λ(=0.7to 0.9)大于阈值(λ≥0.4),表明在B1-B3和C1-C2五个工况中均会出现KH涡。KH涡的穿透距离δp由测得的速度横向分布或公式(2)估计。
如图1-2所示,坐标x,y和z分别是纵向、横向和垂直方向。x=0是模型植被群落的上游边缘,z=0是河床表面。坐标y在两种情况下的定义不同。具体而言,对于2m宽的水槽(B1-B3工况),y=0是水槽和模型植被的中心线,如图1所示。对于1m宽的水槽(C1-C2情况),y=0为水槽侧壁,如图2所示。
为了在两个水槽中同时收集流速数据,使用Nortek Vectrino声学多普勒剖面仪收集流速。将俯视探头固定河道1/2水深处(z=h/2)。选择z=h/2处测量流速,这是因为非淹没植被内部和周围区域z=h/2处的速度与水深平均流速Ud相差不到6%,为了高效地测量河道区域的流速,因此本实施例以1/2水深处的测量流速作为水深平均流速。在每个测点,以50Hz的频率记录150s的速度,使用多普勒剖面仪自带的数据处理软件处理三个方向上的瞬时流速数据,分别得到三个方向上(x、y和z)时间平均速度(u、v和w)。
在y方向的不同位置测量流速的纵向分布。在模型植被群落内,为了消除空间流动的不均匀性,在每个位置都考虑了一个特征区域,即在y=0和dy/4两个位置处测量流速,其中dy/4是两个相邻圆柱木棍之间的横向间距。为了减小流动不均匀性引起的测量误差,探头放置在同一方向上,并与相邻圆柱木棍处于相同的相对位置。在植被群落内,定义在一个特征区域的两个位置的平均速度为水深平均流速Ud;在植被群落外,定义1/2水深速度为水深平均流速Ud。对于工况B1-B3,测量位置为y=0、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9m;对于工况C1和C2,y=0.05、0.15、0.25、0.3、0.35、0.4、0.45、0.5、0.55、0.6、0.7、0.8、0.9m。
在x方向的不同位置测量流速的横向分布。具体而言,对于工况B1,在x=50、100、150、200、250、300、400和420cm处测量Ud的横断面流速分布;对于B2和B3工况中测量位置为x=50、100、150、200和300cm;对于工况C1和C2,x=50、100、150、200、250、300、350、400和450cm。在B1-B3工况中,模型植被放置在水槽中心,因此流速沿水槽和植被中心线对称,并通过测量得到证实,因此在每个x处,仅在植被群落及河道的左侧(6≥y≥0)测量流速的横向分布。
④模型预测
通过预测模型得到植被群落河道中植被区和无植被区的二维流场流速分布:
(1)以非淹没植被群落上游端边界中心位置为原点,将河道沿垂直于水流方向即x方向划分为植被区和无植被区,植被区:1>y/b>-1,植被区中心区域:b-δp>y>δp-b,无植被区:B/2≥y≥b和-b≥y≥-B/2,植被群落侧面边缘处:y=b,b为1/2植被群落宽度,B为1/2河道宽度,δp为植被群落两侧的横向旋涡进入植被内部的穿透距离;
(2)确定植被区和无植被区二维流场流速分布的预测模型:
无植被区:式中,Ud(1)为沿水流方向不同位置处植被区的横向分布流速,Ud(2)为沿水流方向不同位置处无植被区的横向分布流速,Uveg为植被区沿水流方向的横断面平均流速,Uy=b是植被群落侧面边缘处的水流速度,Ubare是无植被区沿水流方向的横断面平均流速,Ld(veg)和Ld(bare)分别是植被区和无植被区的指数衰减长度,其中, 植被区沿水流方向的横断面平均流速Uveg根据有非淹没植被群落河道流速纵向分布预测模型确定;
(3)确定植被群落侧边边缘处的水流速度Uy=b和无植被区沿水流方向的横断面平均流速Ubare
植被群落侧面边缘处的水流速度Uy=b和无植被区沿水流方向的横断面平均流速Ubare根据以下两个边界条件确定:
植被区和无植被区的预测流速满足水流连续性方程:
上式中,Ud(1)和Ud(2)分别为植被区和无植被区中预测模型所获得的横向分布流速,U0为河道上游x<-Lu的平均流速,Lu为植被群落上游的水流偏转距离。
当植被群落边缘处的水流速度Uy=b和无植被区的水流流速Ubare确定时,步骤(2)中的预测模型即可用于预测植被区和无植被区二维流场流速分布。
对于步骤(2)中的植被区沿水流方向的横断面平均流速Uveg,五个工况中,Uveg依据以下现有Uveg预测模型确定:
Uveg(f)是植被群落内部充分发展区域x>LI的平均流速,Uveg(0)是在植被区域上游边界处x=0的流速,LI为植被群落内部的水流偏转距离,Ld(1)为植被内部区域的指数衰减长度,Ld(1)/LI=0.30±0.01,Cd为植被拖曳力系数,a为单位水体植被的阻水面积,b为1/2植被群落宽度(对于C1-C2工况,b为植被群落宽度)。
五个工况中,上述Uveg预测模型所涉及到的植被群落内部充分发展区域的平均流速Uveg(f)通过以下公式确定:
式中,g是重力加速度;h为水深;S为水面坡度;Cf是床面摩擦系数。
五个工况中,上述Uveg预测模型所涉及到的植被区域上游边界处的流速Uveg(0)依据以下公式确定:
式中,U0为河道上游的平均流速,Cd为植被拖曳力系数,a为单位水体植被的阻水面积,b为1/2植被群落宽度。
五个工况中,上述Uveg预测模型所涉及到的河道上游的平均流速U0可以依据现有公式确定,也可以测量获得,在本实施例中,U0采用实际测量获得数据,各工况中的U0汇总于表2中。
将通过上述步骤计算得到的Uveg代入步骤(2)中的预测模型中,而Uy=b和Ubare在步骤(3)确定出来,则河道中水流的二维流场流速分布即可计算出来。工况B1-B3植被区和无植被区的二维流场流速分布曲线如图4所示,工况C1-C2植被区和无植被区的二维流场流速分布曲线如图5所示.
⑤试验结果分析
为了定量比较预测流速和测量流速,均方根误差(RMSE)定义为:
式中,N是预测和测量的测点数量,Xp和Xm分别是预测和测量的流速。
首先,基于B1-B3工况的数据,将预测流速与在水槽中心位置中收集的测量流速进行比较,如图4所示。由图中可知,预测流速与测量流速吻合较好。
其次,利用C1和C2两种工况下的测量数据对模型进行了验证,如图5所示,其中模型植被位于水槽的一侧。由图中可知,预测流速与不同纵向位置的测量流速相匹配。
预测流速、实测流速、均方误差与速度的比值RMSE/U0汇总于表2中。
表2各实验工况计算参数汇总表
表2中,U0是河道上游的平均流速;L是植被群落长度;b是B1-B3工况中的植被群落半宽或C1-C2工况中的植被群落宽度;B是B1-B3工况中河道半宽度或C1-C2工况中的河道宽度;n是植被群落内的圆柱体密度;a(=nd)是单个植被群落体的阻水面积,其中d是单株植被直径;LI是植被内部水流调节距离,定义为植被前缘与植被内部速度达到最小值或恒定值的点之间的距离,该距离由实测速度估算得出;δp是穿透距离,根据测量值估算;δm是混合层距离,根据测量值估算。RMSE根据公式估算,它的计算值基于测量流速和预测流速。
由表2可知,在所有案例中,均方误差RMSE范围在0.4和3.1之间,均方误差与速度的比值RMSE/U0在4%-16%之间。结果表明,本发明模型能较好地预测有部分植被河道的二维流场。
本领域的普通技术人员将会意识到,这里的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (7)
1.一种基于指数模型的有非淹没植被河道二维流场预测方法,其特征在于:包括以下步骤:
(1)以非淹没植被群落上游端边界中心位置为原点,将河道沿垂直于水流方向即x方向划分为植被区和无植被区,植被区:1>y/b>-1,植被区中心区域:b-δp>y>δp-b,无植被区:B/2≥y≥b和-b≥y≥-B/2,植被群落侧面边缘处:y=b,b为1/2植被群落宽度,B为1/2河道宽度,δp为植被群落两侧的横向旋涡进入植被内部的穿透距离,δm为混合层宽度;
(2)确定植被区和无植被区二维流场流速分布的预测模型:
式中,Ud(1)为沿水流方向不同位置处植被区的横向分布流速,Ud(2)为沿水流方向不同位置处无植被区的横向分布流速,Uveg为植被区沿水流方向的横断面平均流速,Uy=b是植被群落侧面边缘处的水流速度,Ubare是无植被区沿水流方向的横断面平均流速,Ld(veg)和Ld(bare)分别是植被区和无植被区的指数衰减长度,其中, 所述植被区沿水流方向的横断面平均流速Uveg根据有非淹没植被群落河道流速纵向分布预测模型确定;
(3)确定植被群落侧边边缘处的水流速度Uy=b和无植被区沿水流方向的横断面平均流速Ubare
植被群落侧面边缘处的水流速度Uy=b和无植被区沿水流方向的横断面平均流速Ubare根据以下两个边界条件确定:
上式中,Ud(1)和Ud(2)分别根据步骤(2)中预测模型所获得的植被区和无植被区的横向分布流速,U0为河道上游x<-Lu的平均流速,Lu为植被群落上游的水流偏转距离;
当植被群落边缘处的水流速度Uy=b和无植被区沿水流方向的横断面平均流速Ubare确定时,步骤(2)中的预测模型即可用于预测植被区和无植被区二维流场流速分布。
7.根据权利要求1所述的基于指数模型的有非淹没植被河道二维流场预测方法,其特征在于:植被群落上游水流偏转距离Lu的取值范围为30~50cm。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110889048.2A CN113505339B (zh) | 2021-08-04 | 2021-08-04 | 基于指数模型的有非淹没植被河道二维流场预测方法 |
US17/879,983 US20230048067A1 (en) | 2021-08-04 | 2022-08-03 | Exponential model-based method for predicting two-dimensional flow velocity field in river channel with emergent vegetation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110889048.2A CN113505339B (zh) | 2021-08-04 | 2021-08-04 | 基于指数模型的有非淹没植被河道二维流场预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113505339A true CN113505339A (zh) | 2021-10-15 |
CN113505339B CN113505339B (zh) | 2023-07-04 |
Family
ID=78014995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110889048.2A Active CN113505339B (zh) | 2021-08-04 | 2021-08-04 | 基于指数模型的有非淹没植被河道二维流场预测方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230048067A1 (zh) |
CN (1) | CN113505339B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114611321A (zh) * | 2022-03-24 | 2022-06-10 | 四川大学 | 基于分层混合长度的淹没植被区水流垂线流速预测方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117935061B (zh) * | 2024-03-21 | 2024-05-31 | 四川省能源地质调查研究所 | 基于数据分析的地质区域环境综合评价系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150135809A1 (en) * | 2012-06-01 | 2015-05-21 | Ebara Corporation | Erosion prediction method, erosion prediction system, erosion characteristics database used in this prediction, and method constructing the same |
CN110004871A (zh) * | 2019-02-21 | 2019-07-12 | 四川大学 | 有植被群落河道的推移质输沙率预测方法 |
CN110188431A (zh) * | 2019-05-20 | 2019-08-30 | 四川大学 | 有非淹没植被群落河道流速纵向分布预测方法 |
CN110659783A (zh) * | 2019-10-09 | 2020-01-07 | 四川大学 | 有植被群落河道横断面平均流速纵向分布预测方法 |
CN110847110A (zh) * | 2019-11-21 | 2020-02-28 | 四川大学 | 植被群落前端及内部水流偏转区纵向流速分布预测方法 |
CN112053012A (zh) * | 2020-10-14 | 2020-12-08 | 四川大学 | 有非淹没植被河道植被区及非植被区流速横向分布预测方法 |
CN112364544A (zh) * | 2020-11-19 | 2021-02-12 | 中国空气动力研究与发展中心超高速空气动力研究所 | 再入气动环境致结构热力响应有限元求解优化方法 |
CN112784502A (zh) * | 2020-12-18 | 2021-05-11 | 清华大学 | 一种水文水力学动态双向耦合的洪水预测方法 |
-
2021
- 2021-08-04 CN CN202110889048.2A patent/CN113505339B/zh active Active
-
2022
- 2022-08-03 US US17/879,983 patent/US20230048067A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150135809A1 (en) * | 2012-06-01 | 2015-05-21 | Ebara Corporation | Erosion prediction method, erosion prediction system, erosion characteristics database used in this prediction, and method constructing the same |
CN110004871A (zh) * | 2019-02-21 | 2019-07-12 | 四川大学 | 有植被群落河道的推移质输沙率预测方法 |
CN110188431A (zh) * | 2019-05-20 | 2019-08-30 | 四川大学 | 有非淹没植被群落河道流速纵向分布预测方法 |
CN110659783A (zh) * | 2019-10-09 | 2020-01-07 | 四川大学 | 有植被群落河道横断面平均流速纵向分布预测方法 |
CN110847110A (zh) * | 2019-11-21 | 2020-02-28 | 四川大学 | 植被群落前端及内部水流偏转区纵向流速分布预测方法 |
CN112053012A (zh) * | 2020-10-14 | 2020-12-08 | 四川大学 | 有非淹没植被河道植被区及非植被区流速横向分布预测方法 |
CN112364544A (zh) * | 2020-11-19 | 2021-02-12 | 中国空气动力研究与发展中心超高速空气动力研究所 | 再入气动环境致结构热力响应有限元求解优化方法 |
CN112784502A (zh) * | 2020-12-18 | 2021-05-11 | 清华大学 | 一种水文水力学动态双向耦合的洪水预测方法 |
Non-Patent Citations (2)
Title |
---|
JORGE SOUSA等: "Computational urban flow predictions with Bayesian inference: Validation with field data", vol. 154, pages 13 - 22, XP085658579, DOI: 10.1016/j.buildenv.2019.02.028 * |
蒲实 等: "富水区隧道区域水流场动态分析及涌水量预测", vol. 39, no. 3, pages 120 - 122 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114611321A (zh) * | 2022-03-24 | 2022-06-10 | 四川大学 | 基于分层混合长度的淹没植被区水流垂线流速预测方法 |
Also Published As
Publication number | Publication date |
---|---|
US20230048067A1 (en) | 2023-02-16 |
CN113505339B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vaghefi et al. | An experimental study of mean and turbulent flow in a 180 degree sharp open channel bend: Secondary flow and bed shear stress | |
Li et al. | Effects of vegetation patch density on flow velocity characteristics in an open channel | |
CN110659783B (zh) | 有植被群落河道横断面平均流速纵向分布预测方法 | |
Covar | Selecting the proper reaeration coefficient for use in water quality models | |
CN113505339A (zh) | 基于指数模型的有非淹没植被河道二维流场预测方法 | |
CN110847110B (zh) | 植被群落前端及内部水流偏转区纵向流速分布预测方法 | |
CN112053012B (zh) | 有非淹没植被河道植被区及非植被区流速横向分布预测方法 | |
Afzalimehr et al. | Non-uniform flow over cobble bed with submerged vegetation strip | |
Baptist | A flume experiment on sediment transport with flexible, submerged vegetation | |
WO2023284229A1 (zh) | 河流交汇、分汊及弯曲微生物群落河工模型试验系统及试验方法 | |
CN107858991A (zh) | 一种河道植被群尾端泥沙沉积区长度的预测方法 | |
CN115374622A (zh) | 有漂浮植被河道水流流速沿程预测方法 | |
CN117034797A (zh) | 河道植被内部泥沙冲刷区长度预测方法 | |
Lee et al. | Experiments on hydraulic relations for flow over a compound sharp-crested weir | |
Yang et al. | Theoretical model of suspended sediment transport capacity in submerged vegetation flow | |
Guymer et al. | Longitudinal dispersion coefficients in estuary | |
Zhao et al. | Dispersion features of pollutants in a compound channel with vegetated floodplains | |
CN111122116B (zh) | 一种模拟粗糙次层流速分布的实验装置及确定粗糙次层流速分布的方法 | |
D’Ippolito et al. | Flow resistance in open channel with rigid emergent vegetation | |
Caroppi | Turbulence in partly vegetated channels: Experiments with complex morphology vegetation and rigid cylinders | |
Schügerl et al. | Effect of aquatic vegetation on Manning roughness coefficient value-case study at the Šúrsky channel | |
Aziz et al. | Experimental study of morphological changes and flow structure around the vegetated groyne | |
Odeh | Discharge rating equation and hydraulic characteristics of standard Denil fishways | |
Ahmed et al. | Estimation of the dispersion coefficient with acoustic doppler current profiler (ADCP) at Barak River | |
Radoslav | Field study for determine Mannings roughness coefficient with different flow conditions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |