بررسی آزمایشگاهی تغییرات گرادیان هیدرولیکی جریان غیرماندگار درون مصالح زهکشی تحت فشار

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی آب و سازه‌های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه زنجان

2 دانشجوی دکتری مهندسی آب و سازه‌های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه

3 دانشیار گروه مهندسی عمران دانشگاه زنجان، زنجان

چکیده

تحلیل جریان غیر ماندگار با استفاده از معادلات سنت ونانت انجام می‌شود. محاسبه شیب خط انرژی (Sf) از اهمیت بالایی در تحلیل جریان غیر ماندگار برخوردار است. از آنجاییکه در محیط متخلخل درشت‌دانه، Sf برابر با گرادیان هیدرولیکی (i) است، محاسبه i اهمیت بالایی دارد. در پژوهش حاضر، با استفاده از داده‌های آزمایشگاهی ثبت شده در سیلندری فولادی به قطر 16 سانتی‌متر و طول 70 سانتی‌متر که 40 سانتی‌متر آن از سنگریز با سه دانه‌بندی ریز، متوسط و درشت پر شده، به بررسی جریان غیر ماندگار در محیط متخلخل تحت فشار پرداخته ‌شده‌است. جهت بهینه‌یابی ضرایب رابطه دوجمله‌ای فورشهایمر که در جریان ماندگار (a, b) و رابطه سه‌جمله‌ای که در جریان غیرماندگار کاربرد دارند (a, b, c) از الگوریتم بهینه‌سازی ازدحام ذرات (PSO) استفاده شده‌است. نتایج پژوهش حاضر بیانگر آن است که، مقادیر مربوط به میانگین خطای نسبی (MRE) در حالت استفاده از رابطه سه‌جمله‌ای نسبت به رابطه دوجمله‌ای جهت محاسبه گرادیان هیدرولیکی جریان غیرماندگار، در مصالح ریزدانه 5/14، در مصالح با اندازه متوسط 7/14 و در مصالح درشت‌دانه 2/12 درصد بهبود یافته‌است. مقدار جمله‌ی سوم رابطه سه‌جمله‌ای نسبت به گرادیان هیدرولیکی ((cdv/dt)/i) در مصالح ریزدانه 23/7، در مصالح با اندازه متوسط 79/14 و در مصالح درشت‌دانه 01/17 درصد به‌دست آمده‌است. به‌عبارت دیگر، از آنجاییکه با افزایش قطر مصالح، کارایی رابطه غیر خطی (غیر دارسی) نسبت به رابطه خطی (دارسی) افزایش می‌یابد، جمله سوم رابطه‌ سه‌جمله‌ای نیز تاثیر بیشتری در محاسبات گرادیان هیدرولیکی دارد.

کلیدواژه‌ها

عنوان مقاله [English]

Experimental Study of Hydraulic Gradient Changes in Unsteady flow within Confined Drainage Materials

نویسندگان [English]

  • Rana Nasiri 1
  • Hadi Norouzi 2
  • Jalal Bazargan 3
1 Post Graduate Student of Hydraulic Structures, Department of Civil Engineering, University of Zanjan, Zanjan, Iran.
2 PhD Student of Hydraulic Structures, Department of Civil Engineering, University of Zanjan, Zanjan, Iran.
3 Associate Professor, Department of Civil Engineering, Zanjan University, Zanjan, Iran
چکیده [English]

Unsteady flow analysis is performed using the equations of St. Venant. Calculating the slope of the energy line (Sf) is of great importance in the analysis of unsteady flow. Since Sf is equal to the hydraulic gradient (i) in a coarse porous media, the calculation of i is of great importance. In the present study, using experimental data recorded in a steel cylinder with a diameter of 16 cm and a length of 70 cm, 40 cm of which is filled with rockfill with three small, medium, and large grains, investigated the unsteady flow in a confined porous media. The particle swarm optimization (PSO) algorithm is used to optimize the Forchheimer binomial relation coefficients used in steady flow (a, b) and the triplet relation used in unsteady flow (a, b, c). The results of the present study indicate that the values related to the mean relative error (MRE) in the case of using a triple relation to the binomial relation to calculate the hydraulic gradient of unsteady flow, in small materials 14.5, in medium materials 14.7 and in large material, it has improved by 12.2%. The value of the third sentence is a triple relation to the hydraulic gradient ((cdv/dt)/i) in 7.23% in small materials, 14.79% in medium materials, and 17.01% in large materials. In other words, since with increasing the diameter of the material, the efficiency of the nonlinear (non-Darcy) relation increases compared to the linear (Darcy) relation, the third sentence of the triple relation also has a greater effect on the hydraulic gradient calculations.

کلیدواژه‌ها [English]

  • Confined Drainage Materials
  • Hydraulic Gradient
  • Particle Swarm Optimization (PSO) Algorithm
  • Triple Relation
  • Unsteady Flow

مراجع

شکری، م.، صبور، م.، بیات، ح.، صادقیان، ج.، 1390. بررسی آزمایشگاهی جریان غیرخطی غیرماندگار در محیط متخلخل سنگریزه‌ای. مجله آب و فاضلاب. 23(4): 105-115.
صلاحی، م.، صدقی اصل، م.، پرویزی، م.، 1393. مطالعه آزمایشگاهی جریان غیردارسی درون مصالح متخلخل دانه ای. تحقیقات آب و خاک ایران. 45 (4): 413-422.
صالحی، ر.، رحیمی، ح.، امید، م .ح.، 1384. بررسی جریان آشفته درون محیط های متخلخل سنگریزه ای تحت فشار. مجله علوم کشاورزی ایران. 26(2): 263-271.
Afshar, A., Kazemi, H., & Saadatpour, M. 2011. Particle swarm optimization for automatic calibration of large scale water quality model (CE-QUAL-W2): Application to Karkheh Reservoir, Iran. Water resources management, 25(10), 2613-2632.
Ahmed, N. and Sunada, D. K. 1969. Nonlinear flow in porous media. Journal of the Hydraulics Division, 95(6): 1847-1858.‏
Bari, R. and Hansen, D. 2002. Application of gradually-varied flow algorithms to simulate buried streams. Journal of Hydraulic Research. 40(6): 673-683.
Bazargan, J., Norouzi, H. 2018. Investigation the Effect of Using Variable Values for the Parameters of the Linear Muskingum Method Using the Particle Swarm Algorithm (PSO). Water Resources Management, 32(14), 4763-4777.‏
Bazargan, J., Shoaei, S. M., 2006. Discussion, "Application of gradually varied flow algorithms to simulate buried streams." IAHR J. of Hydraulic Research, Vol 44, No 1, 138-141.
Chau, K. 2005. A split-step PSO algorithm in prediction of water quality pollution. In International Symposium on Neural Networks (pp. 1034-1039). Springer, Berlin, Heidelberg.
Chu, H. J., Chang, L. C. 2009. Applying particle swarm optimization to parameter estimation of the nonlinear Muskingum model. Journal of Hydrologic Engineering, 14(9), 1024-1027.‏
Di Cesare, N. Chamoret, D. and Domaszewski, M. 2015. A new hybrid PSO algorithm based on a stochastic Markov chain model. Advances in Engineering Software. 90: 127-137.
Eberhart, R. and Kennedy, J. 1995. A new optimizer using particle swarm theory. In MHS'95. Proceedings of the Sixth International Symposium on Micro Machine and Human Science (pp. 39-43). IEEE.‏
Ergun, S. 1952. Fluid Flow through Packed Columns. Chemical Engineering Progress. 48: 89–94.
Fand, R. M., and Thinakaran, R., 1990. The influence of the wall on flow through pipes packed with spheres.‏
Forchheimer, P. 1901. Wasserbewagung Drunch Boden, Z.Ver, Deutsh. Ing., 45: 1782-1788.
Hannoura, A. A., McCorquodale, J. A., 1985. Rubble Mounds: Hydraulic Conductivity Equation, J. Waterway, Port, Costal and Ocean Engineering, ASCE, 111(5), 783-799.
Hansen, D. Garga, V. K. and Townsend, D. R. 1995. Selection and application of a one-dimensional non-Darcy flow equation for two-dimensional flow through rockfill embankments. Canadian Geotechnical Journal. 32(2): 223-232.‏
Hosseini, S. M. and Joy, D. M. 2007. Development of an unsteady model for flow through coarse heterogeneous porous media applicable to valley fills. International Journal of River Basin Management. 5(4): 253-265.
Kovács, G., 1980. Developments in water science: seepage hydraulics. Elsevier Scientific Publishing Company.‏
Kumar, D.N., Reddy, M.J., 2007. Multipurpose reservoir operation using particle swarm optimization. J. Water Resour. Plan. Manage. ASCE 133 (3), 192–201.
Leps, T. M. 1973. Flow through rockfill, Embankment-dam engineering casagrande volume edited by Hirschfeld, RC and Poulos, SJ.‏
Lu, W. Z., Fan, H. Y., Leung, A. Y. T., & Wong, J. C. K. 2002. Analysis of pollutant levels in central Hong Kong applying neural network method with particle swarm optimization. Environmental monitoring and assessment, 79(3), 217-230.‏
Mccorquodale, J. A., Hannoura, A. A. A., Sam Nasser, M. 1978. Hydraulic conductivity of rockfill. Journal of Hydraulic Research, 16(2), 123-137.
McWhorter, D. B. Sunada, D. K. and Sunada, D. K. 1977. Ground-water hydrology and hydraulics. Water Resources Publication.‏LLC. U.S.Library.
Meraji, S. H. 2004. Optimum design of flood control systems by particle swarm optimization algorithm, (Doctoral dissertation, M. Sc. thesis, Iran University of Science and Technology).
Moghaddam, A., Behmanesh, J., Farsijani, A. 2016. Parameters estimation for the new four-parameter nonlinear Muskingum model using the particle swarm optimization. Water resources management, 30(7), 2143-2160.‏‏
Nagesh Kumar, D., Janga Reddy M. 2007. Multipurpose reservoir operation using particle swarm optimization. J Water Resour Plan Manag 133:192–201.
Norouzi, H., Bazargan, J. 2020. Flood routing by linear Muskingum method using two basic floods data using particle swarm optimization (PSO) algorithm. Water Supply.‏
Sedghi-Asl, M., Rahimi, H. 2011. Adoption of Manning's equation to 1D non-Darcy flow problems. Journal of Hydraulic Research, 49(6), 814-817.
Stephenson, D. J. 1979. Rockfill in hydraulic engineering. Elsevier scientific publishing compani.‏ Distributors for the United States and Canada.
Sidiropoulou, M. G. Moutsopoulos, K. N. Tsihrintzis, V. A. 2007. Determination of Forchheimer equation coefficients a and b. Hydrological Processes: An International Journal. 21(4): 534-554.
Shi, Y. and Eberhart, R. 1998. A modified particle swarm optimizer. In 1998 IEEE international conference on evolutionary computation proceedings. IEEE world congress on computational intelligence (Cat. No. 98TH8360) (pp. 69-73). IEEE.‏
Ward, J. C. 1964. Turbulent flow in porous media. Journal of the hydraulics division. 90(5): 1-12
نشریه آبیاری و زهکشی ایران
دوره 14، شماره 6 - شماره پیاپی 84
بهمن و اسفند 1399
صفحه 2013-2024

فایل ها

هم رسانی

ارجاع به این مقاله

آمار