رضوان یوسفی

پایاننامه برای دریافت درجه کارشناسیارشد در رشته عمران گرایش آب و سازههای هیدرولیکی

 

 

عنوان:

مطالعه توزیع سرعت و تنش برشی در کانالهای مرکب با سیلابدشتهای همگرا   و شبکه عصبی مصنوعی CFD با استفاده از مدلسازی عددی مبتنی بر

 

 

 

استاد راهنما: جناب آقای دکتر بهرام رضایی

 

 

نگارش: رضوان یوسفی روزبهانی

 

 

)عمران2(مکان : سمینار  1397 مهر 8 18 الی 16ساعت

 

 

 

Thesis Submit for Master of Hydraulic Structure Engineering

 

 

 

Title:

 

Study of Velocity and Boundary Shear Stress Distributions in Compound Channels with Converging Floodplains Using Numerical Modeling (CFD) and Artificial Neural Network.

 

 

 

Supervisor:

Bahram Rezaie (Ph.D)

 

 

 

By:

Rezvan Yousefi Roozbahani

 

 

 

 

Seminar (2) civil engineer department

 

September,30,2018

 

 

 

Abstract:

                 Rivers have an important role in daily states of planet Earth. Without water and its resources, life would be impossible. In river engineering, one of the main and essential objectives is to accurately predict the parameters of flow and discharge. Most rivers and stream consist of two subsection; which include the main channel and flood plains. Because of formation of a specific flow in these kind of channels (compound channels), prediction and analysis of flow in rivers seem important to hydraulic and river engineers. Flow in compound channels has a complicated structure; and this complication is due to presence of shear layer. Shear layer is formed due to velocity gradient between the flow of the main channel and overbank flow; and because of existence of this layer, Vortices will be developed in flow direction and depth direction. The extent of radius and the intensity of the vortex in flow of the shearing area depends on mass transfers and momentum transfer in the main channel and flood plains, amount of velocity gradient, relative velocity, relative depth, relative roughness and secondary flows. In the current research, We have analyzed simulation of flow in non-prismatic compound channels with converge flood plains with the use of computational fluid dynamics and artificial neural networks; and the validation of simulations has been compared with the help of experimental data provided by Dr. Rezaie (2006). The simulation has been done with computational fluid dynamics method, by utilization of Ansys Fluent software and large Eddy Simulation; and in simulation using artificial neural networks, back propagation algorithm has been applied. According to results of both methods, a allowable mach in the prediction of prediction of the flow can be seen; so these two methods are reliable methods for simulation of flow in non-prismatic compound channels and converge flood plains. It has been also observed that: the large eddy method has a considerable ability to prediction turbulent flows; and in areas with more eddies, accuracy in prediction increases; and also in artificial neural networks, if the number of experimental input increases for network training, accuracy of regression rises and relation made between parameters will be more accurate and therefore the results of the network will be more accurate.

Key Words: LES- Compound Channel- Flood Plain- CFD- NonPrismatic compound Channel- Open Channel Flow- Large Eddy Simulation- Ansys Fluent- Back Propagation Algorithm- ANN

 

 

 

چکیده: 

           رودخانه‌ها نقش مهمی را در شرايط روزانه کره زمین ايفا می‌کنند. با نبود آب و منابع آن، هستی امکان‌پذير نیست؛ در مهندسی رودخانه، دقّت در پیش‌بینی پارامترهای جريان و دبی در کانال‌های باز از اهداف اصلی و ضروری به شمار می‌آيد. بیشتر رودخانه‌ها و نهرهای طبیعی از کانال‌های دوقسمتی تشکیل شده‌اند؛ که شامل کانال اصلی و سیلاب‌دشتها می‌شوند. به دلیل ايجاد ساختار خاص جريان در اين نوع کانال‌ها (کانال‌های مرکب) شناخت و پیش‌بینی جريان در رودخانه‌ها، برای مهندسین هیدرولیک و رودخانه اهمیت زيادی پیدا کرده است. جريان در کانال‌های مرکب، دارای ساختار پیچیده‌ای است؛ که اين پیچیدگی به دلیل حضور لايه برشی در مرز مشترک جريان در کانال اصلی و سیلاب‌دشت است.لايه برشی به دلیل اختلاف سرعت بین جريان کانال اصلی و جريان موجود در سیلاب‌دشت به وجود می‌آيد؛ و درنتیجه حضور اين لايه، گردابه‌هايی در جهت جريان و در جهت عمود بر جريان به وجود می‌آيد. مقدار شعاع و شدت گردابه‌های موجود در جريان در ناحیه لايه برشی به تبادلات جرم و اندازه حرکت در کانال اصلی و سیلاب‌دشت‌ها، میزان اختلاف سرعت و سرعت نسبی، عمق نسبی جريان، زبری نسبی و جريان‌های ثانويه بستگی دارد. در پژوهش پیش رو به مدل‌سازی جريان در کانال مرکب غیر منشوری با سیلاب‌دشت‌های همگرا، با استفاده از دينامیک سیالات محاسباتی و شبکه‌های عصبی مصنوعی پرداخته شده است و میزان دقت مدل‌سازی‌ها با استفاده از داده‌های آزمايشگاهی ارائه شده توسط رضايی، در سال 2006 مورد مقايسه و سنجش قرار گرفته است. مدل‌سازی با روش دينامیک سیالات محاسباتی با استفاده از نرم‌افزار Ansys Fluent، و با استفاده از مدل آشفتگی ادی بزرگ (Large Eddy) صورت گرفته است؛ و در مدل‌سازی با استفاده از شبکه‌های عصبی مصنوعی )ANN(، از الگوريتم انتشار برگشتی )BP( استفاده شده است. طبق نتايج حاصل از هر دو روش تطابق قابل قبول در پیشبینی مشخصات جريان مشاهده شده است و میتوان اينگونه بیان نمود که؛ اين دو روش، روشهای قابل اطمینانی برای مدل‌سازی جريان در کانال مرکب غیرمنشوری با سیلاب‌دشتهای همگرا به حساب میآيند .

همچنین مشاهده شدهاست که؛ مدل اغتشاش ادی بزرگ در مدل‌سازی جريانهای آشفته توانايی قابل توجّّهی دارد و در نواحی از جريان که حضور گردابهها پررنگتر است دقت پیشبینی افزايش میيابد؛ و در شبکه‌های عصبی مصنوعی نیز در صورت افزايش تعداد دادههای آزمايشگاهی ورودی برای آموزش شبکه، دقت رگرسون افزايش يافته و رابطۀ ايجاد شده بین پارامترها دقیقتر بوده و نتايج حاصل از شبکه دقیقتر خواهند بود.

واژههای کلیدی: مدل اغتشاش ادی بزرگ- دينامیک سیالات محاسباتی- کانال مرکب غیر منشوری- شبکه‌های عصبی مصنوعی- انتشار برگشتی خطا- جريان مغشوش- پس انتشار خطا- هیدرولیک جريان با سطح آزاد- سیلاب‌دشت- فلوئنت.

روزبهانی