پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,503 |
| تعداد مشاهده مقاله | 124,120,145 |
| تعداد دریافت فایل اصل مقاله | 97,226,926 |
تخمین ضریب درگ در کانال‌های روباز با پوشش گیاهی مستغرق با استفاده از تحلیل پارتو و برنامه‌ریزی بیان چندژنی | ||
| اکوهیدرولوژی | ||
| مقاله 8، دوره 7، شماره 4، دی 1399، صفحه 935-949 اصل مقاله (1.58 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2020.307430.1365 | ||
| نویسنده | ||
| حسین ریاحی مدوار* | ||
| استادیار گروه علوم و مهندسی آب، دانشکدۀ کشاورزی، دانشگاه ولیعصر(عج) رفسنجان | ||
| چکیده | ||
| یکی از مشخصههای مهم در مطالعۀ هیدرولیکی و اکوهیدرولوژیکی جریان در رودخانهها، مقاومت پوشش گیاهی در مقابل جریان، نیروی درگ و ضریب درگ به‌دست‌آمده است. ضریب درگ تابع خصوصیات جریان، مشخصات تراکم و توزیع پوشش گیاهی است و اغلب با استفاده از روابط تجربی که دقت مطلوبی ندارند، تخمین زده میشود. در تحقیق حاضر، با هدف بهبود دقت و استخراج روابط بهینه برای ضریب درگ جریان در کانال‌های روباز حاوی پوشش گیاهی مستغرق، از رویکرد بهینهسازی پارتو و برنامه‌ریزی بیان چندژنی در ترکیب با الگوریتم دستهبندی حداکثر عدم تشابه استفاده شده است. با آنالیز ابعادی، متغیرهای حاکم بر پدیده به صورت بدون بعد استخراج شده و سپس، تعداد 910 سری دادۀ اندازهگیریشدۀ مربوط به ضریب درگ پوشش گیاهی، مشخصات هیدرولیکی جریان و پوشش گیاهی تهیه شد و روابط صریحی برای تخمین ضریب درگ به دست آمد. بررسی نتایج مدل پیشنهادی نشان داد مدل یادشده با R2=0.9, RMSE=0.41, MPE=17% دقت بسیار بیشتری نسبت به روابط تجربی دارد و 20 درصد کمتر بودن خطای رابطۀ بهینۀ پیشنهادی از روابط تجربی، بیانگر کارایی مطلوب آن است. همچنین، تحلیل مفهومی رابطۀ پیشنهادی نشان داد علاوه بر سادگی فرم رابطۀ بهینه، مفاهیم فیزیکی حاکم بر پدیده و اجزای مؤثر بر مقاومت درگ جریان را نیز به‌خوبی استنتاج کرده است. بنابراین، کارآمدی مدل جدید پیشنهادی نسبت به مطالعات قبلی تأیید شده است و میتوان از نتایج آن در مطالعات و مدلهای هیدرولیکی و اکوهیدرولوژیکی جریان در رودخانهها و کانالها در شرایط وجود پوشش گیاهی استفاده کرد. | ||
| کلیدواژه‌ها | ||
| بهینه سازی پارتو؛ پوشش گیاهی؛ ضریب درگ؛ مقاومت جریان؛ مدل بیان چندژنی | ||
| عنوان مقاله [English] | ||
| Estimation of Drag Coefficient in Open Channel Flows with Submerged Vegetation Using Pareto Analysis and Multi-gene Genetic Expression Programming | ||
| نویسندگان [English] | ||
| Hossien Riahi Madvar | ||
| Assistant Professor, Department of Water Engineering, Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran | ||
| چکیده [English] | ||
| The vegetation resistance, drag force and drag coefficient are among the most properties in hydraulic and Eco hydrological studies in rivers. The drag coefficient depends on flow properties, condition of density and distribution of vegetation, and is often estimated by non-accurate empirical equations. In the present study with the aim of improving the accuracy and derivation of optimum equations for drag coefficient in open channel flow with submerged vegetation, the optimal Pareto and multi gene genetic expression programming in combination with maximum dissimilarity classification algorithm is used. By using the dimensional analysis, the effective parameters derived in non-dimensional form and using 910 data points of drag coefficient and flow with vegetation conditions explicit equations for drag coefficient are developed. Investigating the results of proposed model shows that model with R2=0.9, RMSE=0.41, MPE=10% is more accurate than the empirical equations and its errors are 20% smaller than previous equations, declare the appropriate performance of developed model. Furthermore, the physical meaning of the developed models shows that beyond its simplified form, it has the ability in inferring of physical meaning of drag phenomenon. Therefore, the superiority of proposed model versus previous studies is confirmed. The results of the current model can be used in studies and hydraulic/eco-hydrologic models in rivers and channels having vegetation. | ||
| کلیدواژه‌ها [English] | ||
| Pareto optimality, vegetation, drag coefficient, flow resistance, multi-gene expression model | ||
| مراجع | ||
|
[1]. Etminan V, Lowe RJ, Ghisalberti M. A new model for predicting the drag exerted by vegetation canopies. Water Resources Research. 2017; 53(4):3179-96. [2]. Cheng NS, Nguyen HT. Hydraulic radius for evaluating resistance induced by simulated emergent vegetation in open-channel flows. Journal of hydraulic engineering. 2011; 137(9):995-1004. [3]. Liu MY, Huai WX, Yangyzh ZH, Zeng YH. A genetic programming-based model for drag coefficient of emergent vegetation in open channel flows. Advances in Water Resources. 2020; 103582. [4]. Li WQ, Wang D, Jiao JL, Yang KJ. Effects of vegetation density on flow velocity characteristics in open channel. Journal of Hydrodynamics. 2019; 31(5):1052-9. [5]. Cheng NS. Calculation of drag coefficient for arrays of emergent circular cylinders with pseudofluid model. Journal of Hydraulic Engineering. 2013; 139(6):602-11. [6]. Liu D, Diplas P, Fairbanks JD, Hodges CC. An experimental study of flow through rigid vegetation. Journal of Geophysical Research: Earth Surface. 2008; 113(F4). [7]. Kothyari UC, Hayashi K, Hashimoto H. Drag coefficient of unsubmerged rigid vegetation stems in open channel flows. Journal of Hydraulic Research. 2009; 47(6):691-9. [8]. Tanino Y, Nepf HM. Laboratory investigation of mean drag in a random array of rigid, emergent cylinders. Journal of Hydraulic Engineering. 2008;134(1):34-41. [9]. Tinoco RO, Cowen EA. The direct and indirect measurement of boundary stress and drag on individual and complex arrays of elements. Experiments in fluids. 2013;54(4):1509. [10]. Zhao K, Cheng NS, Wang X, Tan SK. Measurements of fluctuation in drag acting on rigid cylinder array in open channel flow. Journal of Hydraulic Engineering. 2014; 140(1):48-55. [11]. Liu XD, Li TS, Tang LC, Han Y, Chen J, Yang SQ. Estimation of form drag caused by rigid vegetation based on equivalent roughness. IEEE Access. 2019; 7:116133-44. [12]. Stoesser T, Kim SJ, Diplas P. Turbulent flow through idealized emergent vegetation. Journal of Hydraulic Engineering. 2010; 136(12):1003-17. [13]. Kim SJ, Stoesser T. Closure modeling and direct simulation of vegetation drag in flow through emergent vegetation. Water Resources Research. 2011; 47(10). [14]. Shi H, Liang X, Huai W, Wang Y. Predicting the bulk average velocity of open-channel flow with submerged rigid vegetation. Journal of Hydrology. 2019; 572:213-25. [15]. Riahi-Madvar H, Dehghani M, Seifi A, Singh VP. Pareto optimal multigene genetic programming for prediction of longitudinal dispersion coefficient. Water Resources Management. 2019; 33(3):905-21. [16]. Baptist MJ, Babovic V, Rodríguez Uthurburu J, Keijzer M, Uittenbogaard RE, Mynett A, Verwey A. On inducing equations for vegetation resistance. Journal of Hydraulic Research. 2007; 45(4):435-50. [17]. Zahiri A, Shabani MA. Modeling of stage-discharge relationship in compound channels using multi-stage gene expression programming.Iranian journal of ecohydrolog. 2017; 791-802. [Persian]. [18]. Guven A, Gunal M. Genetic programming approach for prediction of local scour downstream of hydraulic structures. Journal of Irrigation and Drainage Engineering. 2008; 134(2):241-9. [19]. Azamathulla HM, Zahiri A. Flow discharge prediction in compound channels using linear genetic programming. Journal of hydrology. 2012; 454:203-7. [20]. Tinoco RO, Goldstein EB, Coco G. A data‐driven approach to develop physically sound predictors: Application to depth‐averaged velocities on flows through submerged arrays of rigid cylinders. Water Resources Research. 2015; 51(2):1247-63. [21]. White FM, Corfield I. Viscous fluid flow. New York: McGraw-Hill; 2006. [22]. Van Rooijen A, Lowe R, Ghisalberti M, Conde-Frias M, Tan L. Predicting current-induced drag in emergent and submerged aquatic vegetation canopies. Frontiers in Marine Science. 2018; 5:449. [23]. Sonnenwald F, Stovin V, Guymer I. Estimating drag coefficient for arrays of rigid cylinders representing emergent vegetation. Journal of Hydraulic Research. 2019; 57(4):591-7. [24]. Naot D, Nezu I, Nakagawa H. Hydrodynamic behavior of partly vegetated open channels. Journal of Hydraulic Engineering. 1996; 122(11):625-33. [25]. Ghisalberti M, Nepf HM. The limited growth of vegetated shear layers. Water Resources Research. 2004; 40(7). [26]. Stoesser T, Kim SJ, Diplas P. Turbulent flow through idealized emergent vegetation. Journal of Hydraulic Engineering. 2010; 136(12):1003-17. [27]. Nikubakht E, Hamidifar H, Keshavarzi A. Effect of Floodplain Non-submerged Vegetation on Bed Variation in Meandering Compound Rivers. Iranian Journal of Ecohydrology.2019;5(2):461-470.[Persian] [28]. Radmanesh F, Pourhaghi A, Solgi A. Improving the Performance of ANN Model, Using Wavelet Transform and PCA Method for Modeling and Predict Biochemical Oxygen Demand (BOD). Iranian Journal of Ecohydrology.2017;3(4):569-585.[Persian] [29]. Sharifi, H., Roozbahani, A., Hashemy Shahdany, M. Development of ANN, FIS and ANFIS Models to Evaluate the Adequacy Index in Agricultural Water Distribution Systems (Case study: Rudasht Irrigation Network). Iranian Journal of Ecohydrology, 2020; 7(3): 635-646. [Persian] [30]. Zamanzad Ghavidel, S., Montaseri, M., Sanikhani, H. Moldeling Of Dissolved Solids By Using Hybrid Soft Computing Methods (Case Study: Nazluchay Basin). Iranian journal of Ecohydrology, 2017; 4(4): 983-996. [Persian] | ||
|
آمار تعداد مشاهده مقاله: 587 تعداد دریافت فایل اصل مقاله: 363 |
||