تعداد نشریات | 44 |
تعداد شمارهها | 1,312 |
تعداد مقالات | 16,115 |
تعداد مشاهده مقاله | 52,720,325 |
تعداد دریافت فایل اصل مقاله | 15,387,603 |
مطالعه آزمایشگاهی و عددی جابجایی و پراکندگی آلودگی در رودخانههای با بستر سنگریزهای | ||
دانش آب و خاک | ||
مقاله 10، دوره 28، شماره 4، دی 1397، صفحه 127-139 اصل مقاله (657.66 K) | ||
نویسندگان | ||
یعقوب آژدان1؛ علیرضا عمادی* 2؛ جعفر چابکپور3؛ رسول دانشفراز4 | ||
1دانشجوی دکتری سازههای آبی، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
2دانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
3استادیار دانشکده فنی و مهندسی، دانشگاه مراغه | ||
4دانشیار دانشکده فنی و مهندسی، دانشگاه مراغه | ||
چکیده | ||
ارزیابی کیفیت آب رودخانهها در راستای تامین سلامت و پایداری محیط زیست، از مهمترین اهداف مدلهای فیزیکی و ریاضی انتقال آلایندهها در رودخانهها است. در این پژوهش با انجام آزمایشهای ماده ردیاب و با استفاده از مدل عددی OTIS نسبت به شبیهسازی انتقال مواد محلول اقدام شد. این مدل برای پارامترهای معلوم و مشخص جریان و همچنین با استفاده از غلظت منبع ماده آلاینده در مرز بالادست، منحنی رخنه را در مقاطع پایین دست رودخانه پیشبینی مینماید. آزمایشهای این پژوهش در یک فلوم آزمایشگاهی به طول، عرض و عمق (12، 2/1، 8/0) متر انجام شد. شیبهای 004/0 و 007/0 و دبیهای 5/7، 5/11 و5/15 لیتر بر ثانیه برای انجام آزمایشها انتخاب گردید و در هر یک از آزمایشها، ماده ردیاب شامل جرم مشخصی از محلول کلرید سدیم در بالادست فلوم به صورت آنی تزریق شده و سپس منحنیهای رخنه بر اساس سنجش هدایت الکتریکی جریان در خط مرکزی و در مقاطع مختلف پایین دست محل تزریق، رسم شد. برای بررسی تطابق منحنیهای رخنه مشاهداتی و شبیهسازی شده، از شاخصهای آماری شامل جذر میانگین مربع خطا، نش- ساتکلیف و متوسط خطای مطلق استفاده گردید و با مقایسه منحنیهای رخنه اندازهگیری شده و شبیهسازی شده، مقادیر ضریب پراکندگی طولی در بازههای مختلفی از طول بستر محاسبه گردیدند و بعد از تجزیه و تحلیل نتایج، مشخص گردید که، برای یک شیب طولی و دبی ثابت، با افزایش فاصله از محل تزریق مقدار ضریب پراکندگی افزایش مییابد، همچنین برای شیب ثابت نیز رابطه تغییرات دبی و ضریب پراکندگی مسقیم بوده ولی در دبیهای یکسان با افزایش شیب طولی مقدار ضریب پراکندگی کاهش مییابد. | ||
کلیدواژهها | ||
انتقال آلودگی؛ ضریب پراکندگی طولی؛ ماده ردیاب؛ منحنی رخنه؛ مدل عددی OTIS | ||
مراجع | ||
Chapra SC, 1997. Surface Water-Quality Modeling. McGraw-Hill Series in Water Resource and Enviromental Engineering, New York, NY, USA. Chanson H, 2004. Environmental Hydraulics of Open Channel Flow. Elsevier Butterworth- Heinemann, London. Deng ZQ, Singh VP and Bengtsson L, 2001. Longitudinal dispersion coefficient in straight rivers. Journal of Hydraulic Engineering 127(11): 919–927. Deng ZQ, Bengtsson L, Singh VP and Adrian DD, 2002. Longitudinal dispersion coefficient in single- channel streams. Journal of Hydraulic Engineering ASCE, 128(10): 901-916. Elder JW, 1959. The dispersion of marked fluid in turbulent shear flow. Journal of Fluid Mechanics 5: 544-560. Ezadinia E, Saadatpour A and Heidarpour, 2016. Estimating longitudinal dispersion coefficient of pollutant in open channel flows using artificial neural networks. Journal of Water and Soil Science- Universiy of Tabriz 26:225-238 Fischer HB, 1968. Methods for predicting dispersion coefficients in natural streams with application to lower reaches of the Green and Duwamish rivers. Washington. US. Geological Survey Professional Paper 582 -A. Fischer HB, List EJ, Koh, RCY, Imberger J and Brooks NH, 1979. Mixing in Inland and Coastal Waters. Academic Press New York: 104-138. Kashefipour M, 2007. Prediction of longitudinal dispersion coefficient in natural rivers using artificial neural networks. Iranian Journal of Hydraulic 3: 15-25. Liu H, 1977. Predicting dispersion coefficient of streams. Journal of Environment Engineering Division 103(1): 59–69. Mahmoodian Shooshtari M, 2010. Principles of Flow in Open Channels. Shahid Chamran University Press, Ahvaz, Iran. Meddah S, Saidane A, Hadjel M and Hireche O, 2015. Pollutant dispersion modeling in natural streams using the transmission line matrix method. Journal of Water 7: 4932-4950. Riahi Madvar H and Ayyoubzadeh SA, 2007. Estimating longitudinal dispersion coefficient of pollutant using adaptive neuro-fuzzy inference system.Isfahan Journal of Water and Wastewater 19(3):34-46. Sahay RR, 2013. Predicting longitudinal dispersion coefficients in sinuous rivers by genetic algorithm. Journal Hydrology Hydromech 61(3): 214–221. Sedghi-Asl M, 2010. Investigation of the limits of the dupuit analogue for steady gradually varied flow through course porous media. Ph.D. Thesis. Irrigation and reclamation department. University of Tehran. Soltangerd-Faramarzi S, Taghizadeh R and Ghasemi M, 2015. Estimation of dispersion coefficient in rivers with different data mining methods. Iranian Water and Soil Research Journal 46(3):385-394. Tayfur G and Singh VP, 2005. Predicting longitudinal dispersion coefficient in natural streams by artificial neural network. Journal of Hydraulic Engineering 131(11): 991-1000. Taylor GI, 1953. Dispersion of soluble matter in solvent flowing slowly through a tube. Proc Royal Soc London Ser. A, 219:186-203. Taylor GI, 1954. The dispersion of matter in turbulent flow through a pipe. Proc Royal Soc London Ser. A, 223:446-468. Wagener T, Camacho LA and Wheater HS, 2002. Dynamic identifiability analysis of the transient storage model for solute transport in rivers. Journal of Hydroinormatics 4(3): 199-211. Wallis SG, Piotrowski A, Rowinski PM and Napiorkowski JJ, 2007. Prediction of dispersion coefficients in a small stream using artificial neural networks. Proceeding of the 32nd IAHR Congress, Venice, Paper B2b-083-O. Zaramella M, Marion A, Lewandowski j and Nutzmann G, 2016. Assessment of transient storage exchange and advection-dispersion mechanisms from concentration signatures along breakthrough curves. Journal of Hydrology 538: 794-801. | ||
آمار تعداد مشاهده مقاله: 883 تعداد دریافت فایل اصل مقاله: 457 |