رسوبگذاری در مخازن بخش چهارم- بررسی مدلهای عددی انتقال رسوب و جریان
رسوبگذاری در مخازن بخش چهارم- بررسی مدلهای عددی انتقال رسوب و جریان
- مقدمه:
استفاده از مدلهای عددی با سرعت زیادی در چند دهۀ گذشته افزایش یافته است. پیشرفتهای قابل ملاحظه ای بویژه در زمینه های انتقال رسوب، کیفیت آب و جریان سیال چند بعدی و آشفتگی رخ داده است. بعلاوه، مدلهای عددی متعددی به شکل عمومی در آمده و قابل دسترسی بصورت رایگان است. استفاده از ابزارهای گرافیکی برای کاربر، تولید کننده های شبکه بصورت خودکار، سیستمهای اطلاعات جغرافیایی و تکنیکهای جمع آوری پیشرفتۀ داده ها به استفاده از مدلهای عددی بعنوان ابزار عمومی برای حل مسائل مهندسی رودخانه سرعت بخشیده است.
مدلهای عددی شامل یک بعدی، دو بعدی و سه بعدی هستند. هرچند که مدلهای یک بعدی بدلیل عدم نیاز به داده های وسیع و زمان محاسبات کامپیوتری کم و داده های واسنجی شده قابلیت کاربرد بیشتری دارند. علاوه بر این فرض جریان یک بعدی برای تجزیه و تحلیل بعضی از انواع مسائل رسوب در رودخانه ها و مخازن مناسبتر هستند.
در صورتیکه تصمیم بر استفاده از مدلهای عددی در زمینه های انتقال رسوب در مخازن و رودخانه ها گرفته شود، انتخاب مناسبترین مدل عددی انتقال رسوب برای استفاده در یک محل معین یکی از حساسترین مراحل برنامه های مدلسازی است.
زمانیکه مدلهای عددی مورد استفاده قرار می گیرد، مراحل زیر بایستی برای رسیدن به یک مطالعه مدلسازی قابل دفاع از لحاظ علمی انجام گیرد: واسنجی، کالیبراسیون، صحت سنجی، آنالیز حساسیت و آنالیز عدم قطعیت .
تائید مدل (Verification): این مرحله شامل ارزیابی: 1- تئوری مدل، 2- سازگاری کدهای کامپیوتری با تئوری مدل و 3- درستی محاسبات کدهای کامپیوتری. تائید مدل بایستی مستند باشد و یا در صورتیکه مدل جدید است، بایستی توسط یک بخش مستقل و بیطرف بررسی و بازبینی گردد.
کالیبراسیون (Calibration) مدل: عبارتست از استفاده از داده های منطقه ای معین در یک دورۀ زمانی ثبت شده برای تعدیل پارامترهای مدل در معادلات حاکم (بعنوان مثال ضریب اصطکاک کف در مدلهای هیدرودینامیکی) برای رسیدن به یک سازگاری بهینه بین مجموعه داده های اندازه گیری شده و محاسبات مدل برای متغیرهای وضعیت شبیه سازی شده.
صحت سنجی مدل(Validation): این مرحله که بنوعی تائید مدل نیز می باشد، شامل اثبات اینکه مدل کالیبره شده، برای شرایط شناخته شده در یک دورۀ زمانی متفاوت و پارامترهای فیزیکی و توابع تغییر داده شده برای شرایط مورد نظر در دورۀ زمانی جدید به درستی کار می کند. پارامترهای تعدیل شده در طی کالیبراسیون مدل نبایستی در طی مرحله صحت سنجی تعدیل گردند. نتایج مدل در طی دورۀ شبیه سازی صحت سنجی بایستی با مجموعۀ داده ها مقایسه گردند. در صورت رسیدن به یک میزان قابل قبول از سازگاری بین داده ها و نتایج شبیه سازی مدل، می توان صحت مدل را حداقل برای شرایط تعریف شده توسط مجموعه داده های مرحلۀ صحت سنجی و کالیبراسیون مورد تائید قرار داد. در صورتیکه حداقل سازگاری قابل قبول تحقق نیابد، در اینصورت تجزیه و تحلیل بایستی برای مشخص نمودن دلایل ممکن برای بازبینی و پالایش مدل برای تفاوتهای موجود بین داده ها و نتایج شبیه سازی مدل انجام گیرد.
آنالیز حساسیت(Sensitivity) : این فرآیند شامل تغییر دادن هر یک از پارامترهای ورودی با درصدی ثابت (با ثابت نگه داشتن دیگر پارمترهای ثابت) برای تعیین اینکه نتایج مدل چگونه تغییر می کند، می باشد. تغییرات بوجود آمده در متغیرهای وضعیت شبیه سازی شده نشان دهندۀ میزان حساسیت مدل به پارامتری که تغییر می کند می باشد.
آنالیز عدم قطعیت: این فرآیند شامل انتشار خطاهای نسبی در هر پارامتر (که در مرحلۀ آنالیز حساسیت تغییر می کند) برای تعیین خطاهای ایجاد شده در پیش بینی های مدل می باشد. یک مدل احتمالی مثل آنالیز مونت کارلو مدلی از انجام آنالیز عدم قطعیت می باشد.
به ادامه مطلب رجوع کنید .....
کانال تلگرامی بوک تیپس، کانالی با موضوع کتاب، مطالعه، جملات اخلاقی و تربیتی، سخنان بزرگان.