سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,532
تعداد مقالات70,501
تعداد مشاهده مقاله124,108,083
تعداد دریافت فایل اصل مقاله97,212,729
نجات دهکردی, آرمان, شرافتی, احمد, مهرآیین, مجتبی, حسینی, سید عباس. (1400). مدل‌سازی توزیع اندازه ذرات رسوبی در قوس رودخانه با استفاده از رگرسیون جمعی تعمیم‌یافته. , 11(4), 713-724. doi: 10.22059/jwim.2021.330171.918
آرمان نجات دهکردی; احمد شرافتی; مجتبی مهرآیین; سید عباس حسینی. "مدل‌سازی توزیع اندازه ذرات رسوبی در قوس رودخانه با استفاده از رگرسیون جمعی تعمیم‌یافته". , 11, 4, 1400, 713-724. doi: 10.22059/jwim.2021.330171.918
نجات دهکردی, آرمان, شرافتی, احمد, مهرآیین, مجتبی, حسینی, سید عباس. (1400). 'مدل‌سازی توزیع اندازه ذرات رسوبی در قوس رودخانه با استفاده از رگرسیون جمعی تعمیم‌یافته', , 11(4), pp. 713-724. doi: 10.22059/jwim.2021.330171.918
نجات دهکردی, آرمان, شرافتی, احمد, مهرآیین, مجتبی, حسینی, سید عباس. مدل‌سازی توزیع اندازه ذرات رسوبی در قوس رودخانه با استفاده از رگرسیون جمعی تعمیم‌یافته. , 1400; 11(4): 713-724. doi: 10.22059/jwim.2021.330171.918

مدل‌سازی توزیع اندازه ذرات رسوبی در قوس رودخانه با استفاده از رگرسیون جمعی تعمیم‌یافته

مدیریت آب و آبیاری
دوره 11، شماره 4، بهمن 1400، صفحه 713-724    اصل مقاله (1.16 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/jwim.2021.330171.918
نویسندگان
آرمان نجات دهکردی1؛ احمد شرافتی* 2؛ مجتبی مهرآیین3؛ سید عباس حسینی2
1دانشجوی دکتری، گروه مدیریت ساخت و آب، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2استادیار، گروه مدیریت ساخت و آب، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
3استادیار، گروه آموزشی مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران.
چکیده
توزیع اندازه ذرات رسوبی یکی از موضوعات مهم در دینامیک رسوبات است که به واسطه اثرگذاری بر انتقال رسوب، زبری بستر و شرایط زیست محیطی رودخانه مورد توجه قرار دارد و با وجود اهمیت بیشتر این موضوع در بسترهای قوسی به دلیل شرایط هندسی رودخانه و پیچیدگی جریان‌های حاکم، شناخت کمتری نسبت به آن وجود دارد. در این تحقیق توزیع اندازه ذرات رسوبی در قوس رودخانه‌های با بستر شنی تحت اثر مولفه‌های هندسی قوس و مشخصات هیدرولیکی جریان و با استفاده از داده‌های میدانی مطالعه شده است. 180 نمونه رسوبی از لایه سطحی بستر، پارامترهای هیدرولیکی جریان شامل سرعت و عمق جریان و مشخصات هندسی، از نه قوس آزاد رودخانه برداشت شده و پس از تعیین مشخصات دانه‌بندی رسوبات در آزمایشگاه و محاسبه سایر پارامترهای موردنیاز، از تئوری پی- باکینگهام برای شناسایی پارامترهای موثر بی بعد و تعیین معادله مشخصه استفاده گردیده است. به منظور پرهیز از ایجاد خطا در نتایج، متغیرهای دارای ضریب همبستگی بیشتر از 0.5 و دارای مقدار احتمال بیشتر از 0.5 از فرایند مدل‌سازی حذف شده‌اند و در نهایت با به کارگیری روش رگرسیون جمعی تعمیم‌یافته یک مدل ریاضی برای توزیع اندازه ذرات رسوبی بر اساس پارامترهای هندسی قوس و مشخصات جریان ارائه شده است. رابطه به دست آمده اثرگذاری عدد فرود (Fr)، پارامتر شیلدز (θShields ) و نسبت شعاع قوس به عرض مقطع (Rc/T) بر متوسط اندازه رسوبات بستر (T/ds) با مقدار ضریب تعیین (R^2) برابر 0.76 را نشان می‌دهد.
کلیدواژه‌ها
آنالیز ابعادی؛ اندازه ذرات رسوبی؛ رگرسیون جمعی تعمیم‌یافته؛ قوس رودخانه
مراجع
  1. Albrecht, M. C., Nachtsheim, C. J., Albrecht, T. A., & Cook, R. D. (2013). Experimental design for engineering dimensional analysis. Technometrics, 55(3), 257-270.
  2. Asquith, W. H. (2013). Regression Models of Discharge and Mean Velocity Associated with Near-Median Streamflow Conditions in Texas: Utility of the U.S. Geological Survey Discharge Measurement Database. Journal of Hydrologic Engineering, 19(1), 108-122.
  3. Cordier, F., Tassi, P., Claude, N., Crosato, A., Rodrigues, S., & Pham Van Bang, D. (2020). Bar pattern and sediment sorting in a channel contraction/expansion area: Application to the Loire River at Bréhémont (France). Advances in Water Resources, 140(1), 1-18.
  4. Dutta, S., & Garcia, M. H. (2018). Nonlinear Distribution of Sediment at River Diversions: Brief History of the Bulle Effect and Its Implications. Journal of Hydraulic Engineering, 144(5), 1-12.
  5. Fernández, R., Vitale, A. J., Parker, G., & García, M. H. (2020). Hydraulic resistance in mixed bedrock-alluvial meandering channels. Journal of Hydraulic Research, 59(2), 298-313.
  6. Freund, R.J., Wilson, W.J. and Mohr, D.L. (2010). Statistical Methods. Cambridge, Academic Press.
  7. Froehlich, D. C. (2020). Neural Network Prediction of Maximum Scour in Bends of Sand-Bed Rivers. Journal of Hydraulic Engineering, 146(10), https://doi.org/10.1061/(ASCE)HY.1943-7900.0001804.
  8. Germaine, J. T., & Germaine, A. V. (2009). Geotechnical Laboratory Measurements for Engineers. New Jersey, John Wiley & Sons, Inc.
  9. Hastie, T., & Tibshirani, R.J. (1990). Generalized Additive Models. Monographs on Statistics and Applied London, Chapman and Hall.
  10. Jang, J., Ho, H., & Yen, C. (2011). Effects of Lifting Force on Bed Topography and Bed-Surface Sediment Size in Channel Bend. Journal of Hydraulic Engineering, 137(9), 911-920.
  11. Julien, P. Y., & Anthony, D. J. (2002). Bed load motion and grain sorting in a meandering stream. Journal of Hydraulic Research, 40(2), 125-133.
  12. Kuhnle, R. A., Wren, D. G., & Langendoen, E. J. (2019). Structural Changes of Mobile Gravel Bed Surface for Increasing Flow Intensity. Journal of Hydraulic Engineering, 146(2), https://doi.org/10.1061/(ASCE)HY.1943-7900.0001699.
  13. Leathwick, J. R., Elith, J., & Hastie, T. (2006). Comparative performance of generalized additive models and multivariate adaptive regression splines for statistical modelling of species distributions. Ecological Modelling, 199(2), 188-196.
  14. Li, J., He, X., Wei, J., Bao, Y., Tang, Q., Nambajimana, J. de D., Nsabimana, G., & Khurram, D. (2021). Multifractal features of the particle-size distribution of suspended sediment in the Three Gorges Reservoir, China. International Journal of Sediment Research, 36(4), 489-500.
  15. McKie, C. W., Juez, C., Plumb, B. D., Annable, W. K., & Franca, M. J. (2020). How Large Immobile Sediments in Gravel Bed Rivers Impact Sediment Transport and Bed Morphology. Journal of Hydraulic Engineering, 147(2), https://doi.org/10.1061/(ASCE)HY.1943-7900.0001842.
  16. Mohanta, A., & Patra, K. C. (2019). MARS for Prediction of Shear Force and Discharge in Two-Stage Meandering Channel. Journal of Irrigation and Drainage Engineering, 145(8), https://doi.org/10.1061/(ASCE)IR.1943-4774.0001402.
  17. Naito, K., Ma, H., Nittrouer, J. A., Zhang, Y., Wu, B., Wang, Y., Fu, X., & Parker, G. (2019). Extended Engelund–Hansen type sediment transport relation for mixtures based on the sand-silt-bed Lower Yellow River, China. Journal of Hydraulic Research, 57(6), 770-785.
  18. Parker, G., & Andrews, E. D. (1985). Sorting of Bed Load Sediment by Flow in Meander Bends. Water Resources Research, 21(9), 1361-1373.
  19. Pitlick, J., Mueller, E. R., Segura, C., Cress, R., & Torizzo, M. (2008). Relation between flow, surface-layer armoring and sediment transport in gravel-bed rivers. Earth Surface Processes and Landforms, 33(8), 1192-1209.
  20. Pourghasemi, H. R., & Rossi, M. (2016). Landslide susceptibility modeling in a landslide prone area in Mazandarn Province, north of Iran: a comparison between GLM, GAM, MARS, and M-AHP methods. Theoretical and Applied Climatology, 130(1), 609-633.
  21. Rovira, A., Núñez-González, F., & Ibañez, C. (2018). Dependence of sediment sorting on bedload transport phase in a river meander. Earth Surface Processes and Landforms, 43(10), 2077-2088.
  22. Thompson, M., & Lowthian, P. J. (2011). Analysis of Variance (ANOVA) and Its Applications. Imperial college Press.
  23. Tian, S., Li, Z., Wang, Z., Jiang, E., Wang, W., & Sun, M. (2021). Mineral composition and particle size distribution of river sediment and loess in the middle and lower Yellow River. International Journal of Sediment Research, 36(3), 392-400.
  24. Witten, I. H., Frank, E., & Hall, M. A. (2011). Data Mining: Practical Machine Learning Tools and Techniques. Burlington, Morgan Kaufmann publications.
  25. Wright, S., & Parker, G. (2005). Modeling downstream fining in sand-bed rivers. I: formulation. Journal of hydraulic research, 43(6), 613-620. 
آمار
تعداد مشاهده مقاله: 886
تعداد دریافت فایل اصل مقاله: 389


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب