[2]
李文全, 涂新民, 杨祖欣, 等 长江下游东流水道河床演变特征分析及航道整治
[J]. 水运工程 , 2011 , 36 (10 ): 83 - 88
DOI:10.3969/j.issn.1002-4972.2011.10.020
LI Wen-quan, TU Xin-min, YANG Zu-xin, et al Analysis of river bed evolution and discussion on waterway regulation thought of Dongliu channel on the lower reach of the Yangtze River
[J]. Port and Waterway Engineering , 2011 , 36 (10 ): 83 - 88
DOI:10.3969/j.issn.1002-4972.2011.10.020
[3]
刘洪春, 张伟, 李文全, 等 东流水道左岸边滩演变特征及其对航道条件影响分析
[J]. 水运工程 , 2013 , 38 (8 ): 110 - 114
DOI:10.3969/j.issn.1002-4972.2013.08.020
[本文引用: 2]
LIU Hong-chun, ZHANG Wei, LI Wen-quan, et al Evolution characteristics of the left beach of Dongliu waterway and its effects on waterway condition
[J]. Port and Waterway Engineering , 2013 , 38 (8 ): 110 - 114
DOI:10.3969/j.issn.1002-4972.2013.08.020
[本文引用: 2]
[4]
郑惊涛, 雷国平, 尹书冉, 等 东流水道航道整治二期工程整治思路及方案
[J]. 水运工程 , 2014 , 39 (12 ): 96 - 101
DOI:10.3969/j.issn.1002-4972.2014.12.019
ZHENG Jing-tao, LEI Guo-ping, YIN Shu-ran, et al Regulation thought and scheme of Dongliu waterway phase Ⅱ project
[J]. Port and Waterway Engineering , 2014 , 39 (12 ): 96 - 101
DOI:10.3969/j.issn.1002-4972.2014.12.019
[5]
张伟, 刘洪春, 李文全, 等 东流水道东港近期发展原因分析
[J]. 水运工程 , 2014 , 39 (6 ): 102 - 107
DOI:10.3969/j.issn.1002-4972.2014.06.022
[本文引用: 1]
ZHANG Wei, LIU Hong-chun, LI Wen-quan, et al Analysis of reasons for recent development of Dongliu waterway’s Donggang channel
[J]. Port and Waterway Engineering , 2014 , 39 (6 ): 102 - 107
DOI:10.3969/j.issn.1002-4972.2014.06.022
[本文引用: 1]
[6]
SHAERI S, STRAUSS D, ETEMAD-SHAHIDI A, et al Hydrosedimentological modelling of a small, trained tidal inlet system, Currumbin Creek, southeast Queensland, Australia
[J]. Journal of Coastal Research , 2018 , 34 (2 ): 341 - 359
[本文引用: 4]
[7]
PAARLBERG A, GUERRERO M, HUTHOFF F, et al Optimizing dredge-and-dump activities for river navigability using a hydro-morphodynamic model
[J]. Water , 2015 , 7 (7 ): 3943 - 3962
[本文引用: 1]
[8]
WITTING M, MEWIS P, ZANKE U. Modelling of sedimentation in dredged channels by currents and waves using wind statistics [C]// Proceeding of 4th International Conference on Hydroscience and Engineering . Seoul: [s. n.], 2000.
[本文引用: 1]
[9]
MEWIS P, ZANKE U. Morphodynamic-numerical modelling of the filling of mining pits [C]// Electronic Proceedings of International Conference on Hydroscience and Engineering . Philadelphia: [s. n.], 2006.
[本文引用: 4]
[10]
GUAN M, WRIGHT N, SLEIGH P, et al Physical complexity to model morphological changes at a natural channel bend
[J]. Water Resources Research , 2016 , 52 (8 ): 6348 - 6364
DOI:10.1002/2015WR017917
[本文引用: 1]
[11]
胡鹏, 姬奥飞, 陶俊余 基于局部时间步长方法的潮流数值模型研究及应用
[J]. 海洋工程 , 2020 , 38 (1 ): 111 - 119
URL
[本文引用: 1]
HU Peng, JI Ao-fei, TAO Jun-yu Numerical simulation of tidal flows based on the local-time step approach
[J]. The Ocean Engineering , 2020 , 38 (1 ): 111 - 119
URL
[本文引用: 1]
[12]
胡鹏, 韩健健, 雷云龙 基于局部分级时间步长方法的水沙耦合数学模拟
[J]. 浙江大学学报: 工学版 , 2019 , 53 (4 ): 743 - 752
URL
HU Peng, HAN Jian-jian, LEI Yun-long Coupled modeling of sediment-laden flows based on local-time-step approach
[J]. Journal of Zhejiang University: Engineering Science , 2019 , 53 (4 ): 743 - 752
URL
[13]
HU P, LI Y Numerical modeling of the propagation and morphological changes of turbidity currents using a cost-saving strategy of solution updating
[J]. International Journal of Sediment Research , 2020 , 35 (6 ): 587 - 599
DOI:10.1016/j.ijsrc.2020.05.003
[14]
CAO Z, PENDER G, WALLIS S, et al Computational dam-break hydraulics over erodible sediment bed
[J]. Journal of Hydraulic Engineering , 2004 , 130 (7 ): 689 - 703
DOI:10.1061/(ASCE)0733-9429(2004)130:7(689)
[15]
LI W, DE VRIEND H J, WANG Z, et al Morphological modeling using a fully coupled, total variation diminishing upwind-biased centered scheme
[J]. Water Resources Research , 2013 , 49 (6 ): 3547 - 3565
DOI:10.1002/wrcr.20138
[16]
CAO Z, YUE Z, PENDER G Landslide dam failure and flood hydraulics. Part II: coupled mathematical modelling
[J]. Natural Hazards , 2011 , 59 (2 ): 1003 - 1019
DOI:10.1007/s11069-011-9814-8
[17]
CAO Z, YUE Z, PENDER G Landslide dam failure and flood hydraulics. Part I: experimental investigation
[J]. Natural Hazards , 2011 , 59 (2 ): 1021 - 1045
DOI:10.1007/s11069-011-9815-7
[18]
HE Z, WU T, WENG H, et al Numerical simulation of dam-break flow and bed change considering the vegetation effects
[J]. International Journal of Sediment Research , 2017 , 32 (1 ): 105 - 120
DOI:10.1016/j.ijsrc.2015.04.004
[19]
HU P, CAO Z, PENDER G, et al Numerical modelling of turbidity currents in the Xiaolangdi reservoir, Yellow River, China
[J]. Journal of Hydrology , 2012 , 464-465 (9 ): 41 - 53
[20]
HU P, CAO Z Fully coupled mathematical modeling of turbidity currents over erodible bed
[J]. Advances in Water Resources , 2008 , 32 (1 ): 1 - 15
[本文引用: 1]
[21]
HU P, HAN J, LI W, et al Numerical investigation of a sandbar formation and evolution in a tide-dominated estuary using a hydro-morphodynamic model
[J]. Coastal Engineering Journal , 2018 , 60 (4 ): 466 - 483
DOI:10.1080/21664250.2018.1529263
[本文引用: 1]
[22]
HU P, LEI Y, HAN J, et al Improved local time step for 2D shallow-water modeling based on unstructured grids
[J]. Journal of Hydraulic Engineering , 2019 , 145 (12 ): 06019017
DOI:10.1061/(ASCE)HY.1943-7900.0001642
[23]
HU P, LEI Y, HAN J, et al Computationally efficient modeling of hydro-sediment-morphodynamic processes using a hybrid local time step/global maximum time step
[J]. Advances in Water Resources , 2019 , 127 (3 ): 26 - 38
[本文引用: 2]
[24]
HU P, LEI Y, DENG S, et al Role of bar-channel interactions in a dominant branch shift: the Taipingkou waterway, Yangtze River, China
[J]. River Research and Applications , 2020 , 1 - 15
[本文引用: 1]
[25]
张瑞瑾. 河流泥沙动力学 [M]. 北京: 水利电力出版社, 1989.
[本文引用: 1]
[26]
HOEY T, FERGUSON R Numerical simulation of downstream fining by selective transport in gravel bed rivers: model development and illustration
[J]. Water Resources Research , 1994 , 30 (7 ): 2251 - 2260
DOI:10.1029/94WR00556
[本文引用: 2]
[27]
HU P, CAO Z, PENDER G, et al Numerical modelling of riverbed grain size stratigraphic evolution
[J]. International Journal of Sediment Research , 2014 , 29 (3 ): 329 - 343
DOI:10.1016/S1001-6279(14)60048-2
[本文引用: 1]
[28]
WU W. Computational river dynamics [M]. London: Taylor and Francis Group, 2007.
[本文引用: 1]
[29]
BUSSING T, MURMAN E Finite-volume method for the calculation of compressible chemically reacting flows
[J]. AIAA Journal , 1985 , 26 (9 ): 1070 - 1078
[本文引用: 1]
[31]
陶桂兰, 姚祎雯, 吴腾, 等 东流水道维护疏浚方案分析
[J]. 水道港口 , 2015 , 36 (4 ): 323 - 328
DOI:10.3969/j.issn.1005-8443.2015.04.009
TAO Gui-lan, YAO Yi-wen, WU Teng, et al Analysis of maintenance dredging scheme for Dongliu Waterway
[J]. Journal of Waterway and Harbor , 2015 , 36 (4 ): 323 - 328
DOI:10.3969/j.issn.1005-8443.2015.04.009
[34]
陈钢. 近期长江下游河床阻力变化特征 [D]. 上海: 华东师范大学, 2018.
[本文引用: 1]
CHEN Gang. Recent change characteristics of river bed resistance in the lower reaches of the Yangtze River [D]. Shanghai: East China Normal University, 2018.
[本文引用: 1]
[35]
胡鹏. 冲积河流多重时间尺度理论与数学模拟研究 [D]. 武汉: 武汉大学, 2013.
[本文引用: 1]
HU Peng. Multiple time scales of fluvial processes and mathematical river modelling [D]. Wuhan: Wuhan University, 2013.
[本文引用: 1]
长江下游东流水道航道整治经验总结
1
2007
... 东流水道位于长江下游九江和安庆之间,全长约为31 km,是长江下游的碍航浅险水道之一[1 -5 ] :历史上有近1/3的年份存在水深或航宽不足的情况. 河段内自上至下分布有上滩群(老虎滩、天心洲)与下滩群(天沙洲、玉带洲、棉花洲等),将河道分为莲花洲港、天玉串沟、西港、东港4个汊道. 受上、下滩群下移不同步的影响,河道内主汊频繁转换,东流河道格局难以稳定. 2010年汛后西港航道尺度进一步下降,每年都需要通过疏浚进行航道维护. 从2010年到2014年,东流水道疏浚量翻了4番. 在这种背景下,必须提高疏浚量预报水平. 文献调研表明,除Shaeri等[6 ] 通过组合使用多种泥沙输移公式及采用空间可变粗糙度进行大规模率定才使疏浚量实测值和计算值误差减小至4%外,大部分疏浚量计算与实测值之间能够达到数倍甚至数10倍的差距,存在很大的不确定性[6 -9 ] . Paarlberg等[7 ] 计算Parana河下游年均疏浚量误差达到85%,即使人为增加疏浚深度、挖除浅滩后,误差仍高达40%;Witting等[8 ] 的回淤量计算结果与实测值相差较大;Mewis等[9 ] 计算的采砂坑回填速率是实际观测的近2倍. 造成上述不确定性的潜在原因有多个方面,包括参数取值、模型对水沙床相互作用的不同程度的忽略、实测疏浚量本身的精度等等. ...
长江下游东流水道航道整治经验总结
1
2007
... 东流水道位于长江下游九江和安庆之间,全长约为31 km,是长江下游的碍航浅险水道之一[1 -5 ] :历史上有近1/3的年份存在水深或航宽不足的情况. 河段内自上至下分布有上滩群(老虎滩、天心洲)与下滩群(天沙洲、玉带洲、棉花洲等),将河道分为莲花洲港、天玉串沟、西港、东港4个汊道. 受上、下滩群下移不同步的影响,河道内主汊频繁转换,东流河道格局难以稳定. 2010年汛后西港航道尺度进一步下降,每年都需要通过疏浚进行航道维护. 从2010年到2014年,东流水道疏浚量翻了4番. 在这种背景下,必须提高疏浚量预报水平. 文献调研表明,除Shaeri等[6 ] 通过组合使用多种泥沙输移公式及采用空间可变粗糙度进行大规模率定才使疏浚量实测值和计算值误差减小至4%外,大部分疏浚量计算与实测值之间能够达到数倍甚至数10倍的差距,存在很大的不确定性[6 -9 ] . Paarlberg等[7 ] 计算Parana河下游年均疏浚量误差达到85%,即使人为增加疏浚深度、挖除浅滩后,误差仍高达40%;Witting等[8 ] 的回淤量计算结果与实测值相差较大;Mewis等[9 ] 计算的采砂坑回填速率是实际观测的近2倍. 造成上述不确定性的潜在原因有多个方面,包括参数取值、模型对水沙床相互作用的不同程度的忽略、实测疏浚量本身的精度等等. ...
长江下游东流水道河床演变特征分析及航道整治
0
2011
长江下游东流水道河床演变特征分析及航道整治
0
2011
东流水道左岸边滩演变特征及其对航道条件影响分析
2
2013
... 2010年汛期水文过程对东流水道演变起到了至关重要的作用[3 , 30 ] ,本文将模型应用于2010—2011年东流水道地形冲淤复演与疏浚量预报. ...
... 图3 中, ${D_{{\rm{fip}}}}$ 为起点距, $V$ 为流速. 图4 中,Δz b 为冲淤厚度. 对比2010年8月4日东流水道实测断面流速分布与计算流速分布(见图3 )以及2010年4月—8月的实测地形冲淤厚度和计算地形冲淤厚度(见图4 )可知,模型成功复演了东流水道2010年汛期的滩槽冲淤过程的主要特征[3 , 35 ] :左岸华阳镇-桃树滩一带边滩冲刷,冲刷下移的泥沙在东角冲附近大量淤积,又形成凸入江中的大边滩,老虎滩北槽、西港普遍淤积. 从图3 、4 可以看出,计算值与实测值达到了较好的验证结果. ...
东流水道左岸边滩演变特征及其对航道条件影响分析
2
2013
... 2010年汛期水文过程对东流水道演变起到了至关重要的作用[3 , 30 ] ,本文将模型应用于2010—2011年东流水道地形冲淤复演与疏浚量预报. ...
... 图3 中, ${D_{{\rm{fip}}}}$ 为起点距, $V$ 为流速. 图4 中,Δz b 为冲淤厚度. 对比2010年8月4日东流水道实测断面流速分布与计算流速分布(见图3 )以及2010年4月—8月的实测地形冲淤厚度和计算地形冲淤厚度(见图4 )可知,模型成功复演了东流水道2010年汛期的滩槽冲淤过程的主要特征[3 , 35 ] :左岸华阳镇-桃树滩一带边滩冲刷,冲刷下移的泥沙在东角冲附近大量淤积,又形成凸入江中的大边滩,老虎滩北槽、西港普遍淤积. 从图3 、4 可以看出,计算值与实测值达到了较好的验证结果. ...
东流水道航道整治二期工程整治思路及方案
0
2014
东流水道航道整治二期工程整治思路及方案
0
2014
东流水道东港近期发展原因分析
1
2014
... 东流水道位于长江下游九江和安庆之间,全长约为31 km,是长江下游的碍航浅险水道之一[1 -5 ] :历史上有近1/3的年份存在水深或航宽不足的情况. 河段内自上至下分布有上滩群(老虎滩、天心洲)与下滩群(天沙洲、玉带洲、棉花洲等),将河道分为莲花洲港、天玉串沟、西港、东港4个汊道. 受上、下滩群下移不同步的影响,河道内主汊频繁转换,东流河道格局难以稳定. 2010年汛后西港航道尺度进一步下降,每年都需要通过疏浚进行航道维护. 从2010年到2014年,东流水道疏浚量翻了4番. 在这种背景下,必须提高疏浚量预报水平. 文献调研表明,除Shaeri等[6 ] 通过组合使用多种泥沙输移公式及采用空间可变粗糙度进行大规模率定才使疏浚量实测值和计算值误差减小至4%外,大部分疏浚量计算与实测值之间能够达到数倍甚至数10倍的差距,存在很大的不确定性[6 -9 ] . Paarlberg等[7 ] 计算Parana河下游年均疏浚量误差达到85%,即使人为增加疏浚深度、挖除浅滩后,误差仍高达40%;Witting等[8 ] 的回淤量计算结果与实测值相差较大;Mewis等[9 ] 计算的采砂坑回填速率是实际观测的近2倍. 造成上述不确定性的潜在原因有多个方面,包括参数取值、模型对水沙床相互作用的不同程度的忽略、实测疏浚量本身的精度等等. ...
东流水道东港近期发展原因分析
1
2014
... 东流水道位于长江下游九江和安庆之间,全长约为31 km,是长江下游的碍航浅险水道之一[1 -5 ] :历史上有近1/3的年份存在水深或航宽不足的情况. 河段内自上至下分布有上滩群(老虎滩、天心洲)与下滩群(天沙洲、玉带洲、棉花洲等),将河道分为莲花洲港、天玉串沟、西港、东港4个汊道. 受上、下滩群下移不同步的影响,河道内主汊频繁转换,东流河道格局难以稳定. 2010年汛后西港航道尺度进一步下降,每年都需要通过疏浚进行航道维护. 从2010年到2014年,东流水道疏浚量翻了4番. 在这种背景下,必须提高疏浚量预报水平. 文献调研表明,除Shaeri等[6 ] 通过组合使用多种泥沙输移公式及采用空间可变粗糙度进行大规模率定才使疏浚量实测值和计算值误差减小至4%外,大部分疏浚量计算与实测值之间能够达到数倍甚至数10倍的差距,存在很大的不确定性[6 -9 ] . Paarlberg等[7 ] 计算Parana河下游年均疏浚量误差达到85%,即使人为增加疏浚深度、挖除浅滩后,误差仍高达40%;Witting等[8 ] 的回淤量计算结果与实测值相差较大;Mewis等[9 ] 计算的采砂坑回填速率是实际观测的近2倍. 造成上述不确定性的潜在原因有多个方面,包括参数取值、模型对水沙床相互作用的不同程度的忽略、实测疏浚量本身的精度等等. ...
Hydrosedimentological modelling of a small, trained tidal inlet system, Currumbin Creek, southeast Queensland, Australia
4
2018
... 东流水道位于长江下游九江和安庆之间,全长约为31 km,是长江下游的碍航浅险水道之一[1 -5 ] :历史上有近1/3的年份存在水深或航宽不足的情况. 河段内自上至下分布有上滩群(老虎滩、天心洲)与下滩群(天沙洲、玉带洲、棉花洲等),将河道分为莲花洲港、天玉串沟、西港、东港4个汊道. 受上、下滩群下移不同步的影响,河道内主汊频繁转换,东流河道格局难以稳定. 2010年汛后西港航道尺度进一步下降,每年都需要通过疏浚进行航道维护. 从2010年到2014年,东流水道疏浚量翻了4番. 在这种背景下,必须提高疏浚量预报水平. 文献调研表明,除Shaeri等[6 ] 通过组合使用多种泥沙输移公式及采用空间可变粗糙度进行大规模率定才使疏浚量实测值和计算值误差减小至4%外,大部分疏浚量计算与实测值之间能够达到数倍甚至数10倍的差距,存在很大的不确定性[6 -9 ] . Paarlberg等[7 ] 计算Parana河下游年均疏浚量误差达到85%,即使人为增加疏浚深度、挖除浅滩后,误差仍高达40%;Witting等[8 ] 的回淤量计算结果与实测值相差较大;Mewis等[9 ] 计算的采砂坑回填速率是实际观测的近2倍. 造成上述不确定性的潜在原因有多个方面,包括参数取值、模型对水沙床相互作用的不同程度的忽略、实测疏浚量本身的精度等等. ...
... [6 -9 ]. Paarlberg等[7 ] 计算Parana河下游年均疏浚量误差达到85%,即使人为增加疏浚深度、挖除浅滩后,误差仍高达40%;Witting等[8 ] 的回淤量计算结果与实测值相差较大;Mewis等[9 ] 计算的采砂坑回填速率是实际观测的近2倍. 造成上述不确定性的潜在原因有多个方面,包括参数取值、模型对水沙床相互作用的不同程度的忽略、实测疏浚量本身的精度等等. ...
... 长江水道空间尺度较大,数学模型计算成本高,CFL稳定性条件进一步限制了模型的时间步长[10 ] . 前人模拟疏浚时采用地貌加速因子MF[6 -9 ] 对河床演变进行加速,这进一步使挟沙水流与河床演变之间的相互作用脱钩. 过去二十余年,水沙床耦合数学模型得到了较大的发展[11 -20 ] ,基于Godunov思想有限体积法的数值和物理都耦合的水沙床全耦合数学模型不仅能够适应于复杂水流现象,而且对强冲积过程具有很好的适应性,体现河床变形对挟沙水流演化的反作用. 笔者等[21 -23 ] 提出局部和整体最大融合时间步长方法,提高了水沙床耦合模拟的计算效率[24 ] . 本文采用水沙床耦合数学模型模拟东流水道2010年至2011年的滩槽冲淤并计算疏浚量,对比计算疏浚量和实测疏浚量,分析影响疏浚量的不确定性因素. ...
... 式中: ${z_{{\rm{b}},1}}$ 、 ${z_{{\rm{b}},{\rm{2}}}}$ 、 ${z_{{\rm{b}},3}}$ 为该三角形网格3个节点的河床高程; ${z_{\rm{c}}}$ 为河床临界高程,为航行基面减去航道维护水深的值; ${l_2}$ 为三角形网格第1个节点和第3个节点的水平距离; $A$ 为三角形网格面积. 计算2010—2011年西港航槽内的疏浚量,对比实际疏浚方量(见图6 )可知:在洪期涨水期间,计算的疏浚量从2010年4月23日的9.65万m3 小至6月23日的7.42万m3 ;在落水期间计算的疏浚量迅速增大,并在2010年10月29日达到最大值,为16.53万m3 ;进入枯水期后,计算的疏浚量减小,在2011年4月20日减小至9.77万m3 . 2010年东流水道的实际疏浚施工时间为2010年12月6日至2011年1月16日,疏浚土体积为17.84万m3 . 计算的疏浚量最大值与实际疏浚方量的误差为7.3%,与实际疏浚时间对应的计算疏浚量与实测疏浚方量的误差为19.3%~29.6%. 由于东流水道在2010年12月6日至2011年1月16日实际疏浚施工前、后缺乏实测地形数据,施工方量为承包商声称的疏浚量,疏浚量记录存在着不确定性. 鉴于现有许多与疏浚量计算有关的研究工作所计算的疏浚量是实测的疏浚量的数倍甚至数十倍[6 -9 ] ,本文计算的疏浚量与实际的疏浚量的误差在可接受的范围内,疏浚量不确定性的影响因素将在3章分析. ...
Optimizing dredge-and-dump activities for river navigability using a hydro-morphodynamic model
1
2015
... 东流水道位于长江下游九江和安庆之间,全长约为31 km,是长江下游的碍航浅险水道之一[1 -5 ] :历史上有近1/3的年份存在水深或航宽不足的情况. 河段内自上至下分布有上滩群(老虎滩、天心洲)与下滩群(天沙洲、玉带洲、棉花洲等),将河道分为莲花洲港、天玉串沟、西港、东港4个汊道. 受上、下滩群下移不同步的影响,河道内主汊频繁转换,东流河道格局难以稳定. 2010年汛后西港航道尺度进一步下降,每年都需要通过疏浚进行航道维护. 从2010年到2014年,东流水道疏浚量翻了4番. 在这种背景下,必须提高疏浚量预报水平. 文献调研表明,除Shaeri等[6 ] 通过组合使用多种泥沙输移公式及采用空间可变粗糙度进行大规模率定才使疏浚量实测值和计算值误差减小至4%外,大部分疏浚量计算与实测值之间能够达到数倍甚至数10倍的差距,存在很大的不确定性[6 -9 ] . Paarlberg等[7 ] 计算Parana河下游年均疏浚量误差达到85%,即使人为增加疏浚深度、挖除浅滩后,误差仍高达40%;Witting等[8 ] 的回淤量计算结果与实测值相差较大;Mewis等[9 ] 计算的采砂坑回填速率是实际观测的近2倍. 造成上述不确定性的潜在原因有多个方面,包括参数取值、模型对水沙床相互作用的不同程度的忽略、实测疏浚量本身的精度等等. ...
1
... 东流水道位于长江下游九江和安庆之间,全长约为31 km,是长江下游的碍航浅险水道之一[1 -5 ] :历史上有近1/3的年份存在水深或航宽不足的情况. 河段内自上至下分布有上滩群(老虎滩、天心洲)与下滩群(天沙洲、玉带洲、棉花洲等),将河道分为莲花洲港、天玉串沟、西港、东港4个汊道. 受上、下滩群下移不同步的影响,河道内主汊频繁转换,东流河道格局难以稳定. 2010年汛后西港航道尺度进一步下降,每年都需要通过疏浚进行航道维护. 从2010年到2014年,东流水道疏浚量翻了4番. 在这种背景下,必须提高疏浚量预报水平. 文献调研表明,除Shaeri等[6 ] 通过组合使用多种泥沙输移公式及采用空间可变粗糙度进行大规模率定才使疏浚量实测值和计算值误差减小至4%外,大部分疏浚量计算与实测值之间能够达到数倍甚至数10倍的差距,存在很大的不确定性[6 -9 ] . Paarlberg等[7 ] 计算Parana河下游年均疏浚量误差达到85%,即使人为增加疏浚深度、挖除浅滩后,误差仍高达40%;Witting等[8 ] 的回淤量计算结果与实测值相差较大;Mewis等[9 ] 计算的采砂坑回填速率是实际观测的近2倍. 造成上述不确定性的潜在原因有多个方面,包括参数取值、模型对水沙床相互作用的不同程度的忽略、实测疏浚量本身的精度等等. ...
4
... 东流水道位于长江下游九江和安庆之间,全长约为31 km,是长江下游的碍航浅险水道之一[1 -5 ] :历史上有近1/3的年份存在水深或航宽不足的情况. 河段内自上至下分布有上滩群(老虎滩、天心洲)与下滩群(天沙洲、玉带洲、棉花洲等),将河道分为莲花洲港、天玉串沟、西港、东港4个汊道. 受上、下滩群下移不同步的影响,河道内主汊频繁转换,东流河道格局难以稳定. 2010年汛后西港航道尺度进一步下降,每年都需要通过疏浚进行航道维护. 从2010年到2014年,东流水道疏浚量翻了4番. 在这种背景下,必须提高疏浚量预报水平. 文献调研表明,除Shaeri等[6 ] 通过组合使用多种泥沙输移公式及采用空间可变粗糙度进行大规模率定才使疏浚量实测值和计算值误差减小至4%外,大部分疏浚量计算与实测值之间能够达到数倍甚至数10倍的差距,存在很大的不确定性[6 -9 ] . Paarlberg等[7 ] 计算Parana河下游年均疏浚量误差达到85%,即使人为增加疏浚深度、挖除浅滩后,误差仍高达40%;Witting等[8 ] 的回淤量计算结果与实测值相差较大;Mewis等[9 ] 计算的采砂坑回填速率是实际观测的近2倍. 造成上述不确定性的潜在原因有多个方面,包括参数取值、模型对水沙床相互作用的不同程度的忽略、实测疏浚量本身的精度等等. ...
... [9 ]计算的采砂坑回填速率是实际观测的近2倍. 造成上述不确定性的潜在原因有多个方面,包括参数取值、模型对水沙床相互作用的不同程度的忽略、实测疏浚量本身的精度等等. ...
... 长江水道空间尺度较大,数学模型计算成本高,CFL稳定性条件进一步限制了模型的时间步长[10 ] . 前人模拟疏浚时采用地貌加速因子MF[6 -9 ] 对河床演变进行加速,这进一步使挟沙水流与河床演变之间的相互作用脱钩. 过去二十余年,水沙床耦合数学模型得到了较大的发展[11 -20 ] ,基于Godunov思想有限体积法的数值和物理都耦合的水沙床全耦合数学模型不仅能够适应于复杂水流现象,而且对强冲积过程具有很好的适应性,体现河床变形对挟沙水流演化的反作用. 笔者等[21 -23 ] 提出局部和整体最大融合时间步长方法,提高了水沙床耦合模拟的计算效率[24 ] . 本文采用水沙床耦合数学模型模拟东流水道2010年至2011年的滩槽冲淤并计算疏浚量,对比计算疏浚量和实测疏浚量,分析影响疏浚量的不确定性因素. ...
... 式中: ${z_{{\rm{b}},1}}$ 、 ${z_{{\rm{b}},{\rm{2}}}}$ 、 ${z_{{\rm{b}},3}}$ 为该三角形网格3个节点的河床高程; ${z_{\rm{c}}}$ 为河床临界高程,为航行基面减去航道维护水深的值; ${l_2}$ 为三角形网格第1个节点和第3个节点的水平距离; $A$ 为三角形网格面积. 计算2010—2011年西港航槽内的疏浚量,对比实际疏浚方量(见图6 )可知:在洪期涨水期间,计算的疏浚量从2010年4月23日的9.65万m3 小至6月23日的7.42万m3 ;在落水期间计算的疏浚量迅速增大,并在2010年10月29日达到最大值,为16.53万m3 ;进入枯水期后,计算的疏浚量减小,在2011年4月20日减小至9.77万m3 . 2010年东流水道的实际疏浚施工时间为2010年12月6日至2011年1月16日,疏浚土体积为17.84万m3 . 计算的疏浚量最大值与实际疏浚方量的误差为7.3%,与实际疏浚时间对应的计算疏浚量与实测疏浚方量的误差为19.3%~29.6%. 由于东流水道在2010年12月6日至2011年1月16日实际疏浚施工前、后缺乏实测地形数据,施工方量为承包商声称的疏浚量,疏浚量记录存在着不确定性. 鉴于现有许多与疏浚量计算有关的研究工作所计算的疏浚量是实测的疏浚量的数倍甚至数十倍[6 -9 ] ,本文计算的疏浚量与实际的疏浚量的误差在可接受的范围内,疏浚量不确定性的影响因素将在3章分析. ...
Physical complexity to model morphological changes at a natural channel bend
1
2016
... 长江水道空间尺度较大,数学模型计算成本高,CFL稳定性条件进一步限制了模型的时间步长[10 ] . 前人模拟疏浚时采用地貌加速因子MF[6 -9 ] 对河床演变进行加速,这进一步使挟沙水流与河床演变之间的相互作用脱钩. 过去二十余年,水沙床耦合数学模型得到了较大的发展[11 -20 ] ,基于Godunov思想有限体积法的数值和物理都耦合的水沙床全耦合数学模型不仅能够适应于复杂水流现象,而且对强冲积过程具有很好的适应性,体现河床变形对挟沙水流演化的反作用. 笔者等[21 -23 ] 提出局部和整体最大融合时间步长方法,提高了水沙床耦合模拟的计算效率[24 ] . 本文采用水沙床耦合数学模型模拟东流水道2010年至2011年的滩槽冲淤并计算疏浚量,对比计算疏浚量和实测疏浚量,分析影响疏浚量的不确定性因素. ...
基于局部时间步长方法的潮流数值模型研究及应用
1
2020
... 长江水道空间尺度较大,数学模型计算成本高,CFL稳定性条件进一步限制了模型的时间步长[10 ] . 前人模拟疏浚时采用地貌加速因子MF[6 -9 ] 对河床演变进行加速,这进一步使挟沙水流与河床演变之间的相互作用脱钩. 过去二十余年,水沙床耦合数学模型得到了较大的发展[11 -20 ] ,基于Godunov思想有限体积法的数值和物理都耦合的水沙床全耦合数学模型不仅能够适应于复杂水流现象,而且对强冲积过程具有很好的适应性,体现河床变形对挟沙水流演化的反作用. 笔者等[21 -23 ] 提出局部和整体最大融合时间步长方法,提高了水沙床耦合模拟的计算效率[24 ] . 本文采用水沙床耦合数学模型模拟东流水道2010年至2011年的滩槽冲淤并计算疏浚量,对比计算疏浚量和实测疏浚量,分析影响疏浚量的不确定性因素. ...
基于局部时间步长方法的潮流数值模型研究及应用
1
2020
... 长江水道空间尺度较大,数学模型计算成本高,CFL稳定性条件进一步限制了模型的时间步长[10 ] . 前人模拟疏浚时采用地貌加速因子MF[6 -9 ] 对河床演变进行加速,这进一步使挟沙水流与河床演变之间的相互作用脱钩. 过去二十余年,水沙床耦合数学模型得到了较大的发展[11 -20 ] ,基于Godunov思想有限体积法的数值和物理都耦合的水沙床全耦合数学模型不仅能够适应于复杂水流现象,而且对强冲积过程具有很好的适应性,体现河床变形对挟沙水流演化的反作用. 笔者等[21 -23 ] 提出局部和整体最大融合时间步长方法,提高了水沙床耦合模拟的计算效率[24 ] . 本文采用水沙床耦合数学模型模拟东流水道2010年至2011年的滩槽冲淤并计算疏浚量,对比计算疏浚量和实测疏浚量,分析影响疏浚量的不确定性因素. ...
基于局部分级时间步长方法的水沙耦合数学模拟
0
2019
基于局部分级时间步长方法的水沙耦合数学模拟
0
2019
Numerical modeling of the propagation and morphological changes of turbidity currents using a cost-saving strategy of solution updating
0
2020
Computational dam-break hydraulics over erodible sediment bed
0
2004
Morphological modeling using a fully coupled, total variation diminishing upwind-biased centered scheme
0
2013
Landslide dam failure and flood hydraulics. Part II: coupled mathematical modelling
0
2011
Landslide dam failure and flood hydraulics. Part I: experimental investigation
0
2011
Numerical simulation of dam-break flow and bed change considering the vegetation effects
0
2017
Numerical modelling of turbidity currents in the Xiaolangdi reservoir, Yellow River, China
0
2012
Fully coupled mathematical modeling of turbidity currents over erodible bed
1
2008
... 长江水道空间尺度较大,数学模型计算成本高,CFL稳定性条件进一步限制了模型的时间步长[10 ] . 前人模拟疏浚时采用地貌加速因子MF[6 -9 ] 对河床演变进行加速,这进一步使挟沙水流与河床演变之间的相互作用脱钩. 过去二十余年,水沙床耦合数学模型得到了较大的发展[11 -20 ] ,基于Godunov思想有限体积法的数值和物理都耦合的水沙床全耦合数学模型不仅能够适应于复杂水流现象,而且对强冲积过程具有很好的适应性,体现河床变形对挟沙水流演化的反作用. 笔者等[21 -23 ] 提出局部和整体最大融合时间步长方法,提高了水沙床耦合模拟的计算效率[24 ] . 本文采用水沙床耦合数学模型模拟东流水道2010年至2011年的滩槽冲淤并计算疏浚量,对比计算疏浚量和实测疏浚量,分析影响疏浚量的不确定性因素. ...
Numerical investigation of a sandbar formation and evolution in a tide-dominated estuary using a hydro-morphodynamic model
1
2018
... 长江水道空间尺度较大,数学模型计算成本高,CFL稳定性条件进一步限制了模型的时间步长[10 ] . 前人模拟疏浚时采用地貌加速因子MF[6 -9 ] 对河床演变进行加速,这进一步使挟沙水流与河床演变之间的相互作用脱钩. 过去二十余年,水沙床耦合数学模型得到了较大的发展[11 -20 ] ,基于Godunov思想有限体积法的数值和物理都耦合的水沙床全耦合数学模型不仅能够适应于复杂水流现象,而且对强冲积过程具有很好的适应性,体现河床变形对挟沙水流演化的反作用. 笔者等[21 -23 ] 提出局部和整体最大融合时间步长方法,提高了水沙床耦合模拟的计算效率[24 ] . 本文采用水沙床耦合数学模型模拟东流水道2010年至2011年的滩槽冲淤并计算疏浚量,对比计算疏浚量和实测疏浚量,分析影响疏浚量的不确定性因素. ...
Improved local time step for 2D shallow-water modeling based on unstructured grids
0
2019
Computationally efficient modeling of hydro-sediment-morphodynamic processes using a hybrid local time step/global maximum time step
2
2019
... 长江水道空间尺度较大,数学模型计算成本高,CFL稳定性条件进一步限制了模型的时间步长[10 ] . 前人模拟疏浚时采用地貌加速因子MF[6 -9 ] 对河床演变进行加速,这进一步使挟沙水流与河床演变之间的相互作用脱钩. 过去二十余年,水沙床耦合数学模型得到了较大的发展[11 -20 ] ,基于Godunov思想有限体积法的数值和物理都耦合的水沙床全耦合数学模型不仅能够适应于复杂水流现象,而且对强冲积过程具有很好的适应性,体现河床变形对挟沙水流演化的反作用. 笔者等[21 -23 ] 提出局部和整体最大融合时间步长方法,提高了水沙床耦合模拟的计算效率[24 ] . 本文采用水沙床耦合数学模型模拟东流水道2010年至2011年的滩槽冲淤并计算疏浚量,对比计算疏浚量和实测疏浚量,分析影响疏浚量的不确定性因素. ...
... 该模型采用非结构三角形网格离散计算区域,采用有限体积法离散控制方程,采用HLLC(Harten,Lax,van Leer,Contact)近似黎曼算子、坡度通量法(SFM)和分裂点-隐式法(SPIM)[29 ] 分别计算单元界面的数值通量、底坡坡度和阻力坡度,采用局部和整体最大融合时间步长方法(LTS/GMaTS)[23 ] 更新单元变量,即采用局部时间步长更新水流变量和泥沙体积分数,采用整体最大时间步长更新地形高程和河床级配. ...
Role of bar-channel interactions in a dominant branch shift: the Taipingkou waterway, Yangtze River, China
1
2020
... 长江水道空间尺度较大,数学模型计算成本高,CFL稳定性条件进一步限制了模型的时间步长[10 ] . 前人模拟疏浚时采用地貌加速因子MF[6 -9 ] 对河床演变进行加速,这进一步使挟沙水流与河床演变之间的相互作用脱钩. 过去二十余年,水沙床耦合数学模型得到了较大的发展[11 -20 ] ,基于Godunov思想有限体积法的数值和物理都耦合的水沙床全耦合数学模型不仅能够适应于复杂水流现象,而且对强冲积过程具有很好的适应性,体现河床变形对挟沙水流演化的反作用. 笔者等[21 -23 ] 提出局部和整体最大融合时间步长方法,提高了水沙床耦合模拟的计算效率[24 ] . 本文采用水沙床耦合数学模型模拟东流水道2010年至2011年的滩槽冲淤并计算疏浚量,对比计算疏浚量和实测疏浚量,分析影响疏浚量的不确定性因素. ...
1
... 式中: ${\omega _k}{(1 - {\alpha _k}{c_k})^m}$ 和 ${\omega _k}{(1 - {\alpha _k}{c_{{\rm{e}},k}})^m}$ 为考虑泥沙体积分数影响的有效沉速; ${\omega _k}$ 为粒径为 ${d_k}$ 的分粒径组泥沙在静水条件下的沉降速度; $m = 4.45{{Re}} _{\rm{p}}^{ - 0.1}$ ,其中 ${{Re}} _{\rm{p}} = {\omega _k}{d_k}/\upsilon $ 为颗粒雷诺数,水的运动黏度 $\upsilon $ = 10−6 m2 /s; ${\alpha _k}$ = 1; ${c_{{\rm{e}},k}}$ 为分粒径组泥沙的水流挟沙力,对于长江航道,采用张瑞瑾水流挟沙力公式[25 ] : ...
Numerical simulation of downstream fining by selective transport in gravel bed rivers: model development and illustration
2
1994
... 式中: ${m_0} = 0.92$ ; ${K_0} = 0.05\sim 0.15$ 为经验系数,本文取 ${K_0} = 0.12$ . $\delta {\rm{ = }}{a_{\rm{h}}}{d_{84}}$ [26 ] ,其中 ${a_{\rm{h}}}$ 为经验系数,取值考虑河床沙波尺度; ${d_{84}}$ 为活动层特征粒径,表征活动层有84%泥沙的粒径小于 ${d_{84}}$ . ${f_{{\rm{s}},k}}$ 为活动层下界面粒径组分级配[26 -27 ] : ...
... [26 -27 ]: ...
Numerical modelling of riverbed grain size stratigraphic evolution
1
2014
... 式中: ${m_0} = 0.92$ ; ${K_0} = 0.05\sim 0.15$ 为经验系数,本文取 ${K_0} = 0.12$ . $\delta {\rm{ = }}{a_{\rm{h}}}{d_{84}}$ [26 ] ,其中 ${a_{\rm{h}}}$ 为经验系数,取值考虑河床沙波尺度; ${d_{84}}$ 为活动层特征粒径,表征活动层有84%泥沙的粒径小于 ${d_{84}}$ . ${f_{{\rm{s}},k}}$ 为活动层下界面粒径组分级配[26 -27 ] : ...
1
... 式中: $\phi $ 为经验参数,Wu[28 ] 建议采用 $\phi {\rm{ = 0}}$ ; $f_{{\rm{s}},k}^0$ 为河床存储层泥沙粒径组分级配; $C{\rm{ = }}\displaystyle\sum {{c_k}} $ 为泥沙总体积分数. ...
Finite-volume method for the calculation of compressible chemically reacting flows
1
1985
... 该模型采用非结构三角形网格离散计算区域,采用有限体积法离散控制方程,采用HLLC(Harten,Lax,van Leer,Contact)近似黎曼算子、坡度通量法(SFM)和分裂点-隐式法(SPIM)[29 ] 分别计算单元界面的数值通量、底坡坡度和阻力坡度,采用局部和整体最大融合时间步长方法(LTS/GMaTS)[23 ] 更新单元变量,即采用局部时间步长更新水流变量和泥沙体积分数,采用整体最大时间步长更新地形高程和河床级配. ...
长江中下游东流水道河床演变特性及趋势预测
2
2014
... 2010年汛期水文过程对东流水道演变起到了至关重要的作用[3 , 30 ] ,本文将模型应用于2010—2011年东流水道地形冲淤复演与疏浚量预报. ...
... 以2010年4月实测地形作为初始计算地形(见图1(a) ). 基于对网格尺寸的计算分析(详见3.1节),本文基础工况的计算网格尺寸为30~200 m,共有24 999个三角形网格单元和12 746个节点. 断面床沙数据资料和悬移质数据资料采用2010年4月25日的实测数据,覆盖12个断面(见图1(b) ):1#、Z1#、21#、2#、3#、4#、10#、Z2#、5#、6#、7#、8#. 图中,d 50 为活动层特征粒径,表征活动层有50%泥沙的粒径小于d 50 . 当给定计算区域初始床沙级配时,各断面按断面实测级配给定,断面之间线性插值(见图1(b) ). 熊小元等[30 -32 ] 对东流水道的滩槽演变开展模拟研究时,往往采用大通站实测的水沙通量作为东流水道数值模拟的进口边界条件. 大通站位于东流水道下游约120 km,虽然东流与大通站之间没有大的支流汇入,但直接采用大通站的来水来沙过程作为东流水道的进口边界条件具有一定的不确定性. 对比东流水道有限实测体积流量与同日大通站体积流量(2007—2012年期间5次东流进口断面和大通站实测体积流量),得到东流水道与大通站体积流量的经验关系式:东流进口体积流量取值为大通站体积流量的93.8%. 对于来沙,在大通站实测挟沙水流的泥沙体积分数的基础上,放大或缩小15%来考虑来沙量对疏浚量预报的不确定性影响(见3.2节). 如图2(a) 所示为基础工况的进口来水来沙过程,来沙级配采用2010年4月、8月、11月和2012年1月的实测东流悬沙级配线性插值. 利用一维长河段数模计算的大通站水位和东流下游水位关系以及大通站水位-体积流量关系,推出东流水道出口水位-体积流量关系(见图2(b) ). 图2 中, ${q_V}$ 为体积流量, $z$ 为水位. 计算区域的整体糙率采用率定值0.02,局部修正:玉带洲头鱼骨坝和娘娘树边滩丁坝处的糙率为0.01,老虎滩护岸工程处的糙率为0.1. 由于河床活动层厚度与沙波高度相关[33 ] 、湖口至大通河段沙波高度约为0.1~0.8 m[34 ] ,设置活动层厚度为0.2 m(约为400倍的 ${d_{84}}$ ). 采用局部和整体最大融合时间步长方法,在CPU=4核的条件下,可以在2 d内模拟东流水道1 a的滩槽演变. ...
长江中下游东流水道河床演变特性及趋势预测
2
2014
... 2010年汛期水文过程对东流水道演变起到了至关重要的作用[3 , 30 ] ,本文将模型应用于2010—2011年东流水道地形冲淤复演与疏浚量预报. ...
... 以2010年4月实测地形作为初始计算地形(见图1(a) ). 基于对网格尺寸的计算分析(详见3.1节),本文基础工况的计算网格尺寸为30~200 m,共有24 999个三角形网格单元和12 746个节点. 断面床沙数据资料和悬移质数据资料采用2010年4月25日的实测数据,覆盖12个断面(见图1(b) ):1#、Z1#、21#、2#、3#、4#、10#、Z2#、5#、6#、7#、8#. 图中,d 50 为活动层特征粒径,表征活动层有50%泥沙的粒径小于d 50 . 当给定计算区域初始床沙级配时,各断面按断面实测级配给定,断面之间线性插值(见图1(b) ). 熊小元等[30 -32 ] 对东流水道的滩槽演变开展模拟研究时,往往采用大通站实测的水沙通量作为东流水道数值模拟的进口边界条件. 大通站位于东流水道下游约120 km,虽然东流与大通站之间没有大的支流汇入,但直接采用大通站的来水来沙过程作为东流水道的进口边界条件具有一定的不确定性. 对比东流水道有限实测体积流量与同日大通站体积流量(2007—2012年期间5次东流进口断面和大通站实测体积流量),得到东流水道与大通站体积流量的经验关系式:东流进口体积流量取值为大通站体积流量的93.8%. 对于来沙,在大通站实测挟沙水流的泥沙体积分数的基础上,放大或缩小15%来考虑来沙量对疏浚量预报的不确定性影响(见3.2节). 如图2(a) 所示为基础工况的进口来水来沙过程,来沙级配采用2010年4月、8月、11月和2012年1月的实测东流悬沙级配线性插值. 利用一维长河段数模计算的大通站水位和东流下游水位关系以及大通站水位-体积流量关系,推出东流水道出口水位-体积流量关系(见图2(b) ). 图2 中, ${q_V}$ 为体积流量, $z$ 为水位. 计算区域的整体糙率采用率定值0.02,局部修正:玉带洲头鱼骨坝和娘娘树边滩丁坝处的糙率为0.01,老虎滩护岸工程处的糙率为0.1. 由于河床活动层厚度与沙波高度相关[33 ] 、湖口至大通河段沙波高度约为0.1~0.8 m[34 ] ,设置活动层厚度为0.2 m(约为400倍的 ${d_{84}}$ ). 采用局部和整体最大融合时间步长方法,在CPU=4核的条件下,可以在2 d内模拟东流水道1 a的滩槽演变. ...
长江下游东流水道近期航道演变及维护对策
1
2016
... 以2010年4月实测地形作为初始计算地形(见图1(a) ). 基于对网格尺寸的计算分析(详见3.1节),本文基础工况的计算网格尺寸为30~200 m,共有24 999个三角形网格单元和12 746个节点. 断面床沙数据资料和悬移质数据资料采用2010年4月25日的实测数据,覆盖12个断面(见图1(b) ):1#、Z1#、21#、2#、3#、4#、10#、Z2#、5#、6#、7#、8#. 图中,d 50 为活动层特征粒径,表征活动层有50%泥沙的粒径小于d 50 . 当给定计算区域初始床沙级配时,各断面按断面实测级配给定,断面之间线性插值(见图1(b) ). 熊小元等[30 -32 ] 对东流水道的滩槽演变开展模拟研究时,往往采用大通站实测的水沙通量作为东流水道数值模拟的进口边界条件. 大通站位于东流水道下游约120 km,虽然东流与大通站之间没有大的支流汇入,但直接采用大通站的来水来沙过程作为东流水道的进口边界条件具有一定的不确定性. 对比东流水道有限实测体积流量与同日大通站体积流量(2007—2012年期间5次东流进口断面和大通站实测体积流量),得到东流水道与大通站体积流量的经验关系式:东流进口体积流量取值为大通站体积流量的93.8%. 对于来沙,在大通站实测挟沙水流的泥沙体积分数的基础上,放大或缩小15%来考虑来沙量对疏浚量预报的不确定性影响(见3.2节). 如图2(a) 所示为基础工况的进口来水来沙过程,来沙级配采用2010年4月、8月、11月和2012年1月的实测东流悬沙级配线性插值. 利用一维长河段数模计算的大通站水位和东流下游水位关系以及大通站水位-体积流量关系,推出东流水道出口水位-体积流量关系(见图2(b) ). 图2 中, ${q_V}$ 为体积流量, $z$ 为水位. 计算区域的整体糙率采用率定值0.02,局部修正:玉带洲头鱼骨坝和娘娘树边滩丁坝处的糙率为0.01,老虎滩护岸工程处的糙率为0.1. 由于河床活动层厚度与沙波高度相关[33 ] 、湖口至大通河段沙波高度约为0.1~0.8 m[34 ] ,设置活动层厚度为0.2 m(约为400倍的 ${d_{84}}$ ). 采用局部和整体最大融合时间步长方法,在CPU=4核的条件下,可以在2 d内模拟东流水道1 a的滩槽演变. ...
长江下游东流水道近期航道演变及维护对策
1
2016
... 以2010年4月实测地形作为初始计算地形(见图1(a) ). 基于对网格尺寸的计算分析(详见3.1节),本文基础工况的计算网格尺寸为30~200 m,共有24 999个三角形网格单元和12 746个节点. 断面床沙数据资料和悬移质数据资料采用2010年4月25日的实测数据,覆盖12个断面(见图1(b) ):1#、Z1#、21#、2#、3#、4#、10#、Z2#、5#、6#、7#、8#. 图中,d 50 为活动层特征粒径,表征活动层有50%泥沙的粒径小于d 50 . 当给定计算区域初始床沙级配时,各断面按断面实测级配给定,断面之间线性插值(见图1(b) ). 熊小元等[30 -32 ] 对东流水道的滩槽演变开展模拟研究时,往往采用大通站实测的水沙通量作为东流水道数值模拟的进口边界条件. 大通站位于东流水道下游约120 km,虽然东流与大通站之间没有大的支流汇入,但直接采用大通站的来水来沙过程作为东流水道的进口边界条件具有一定的不确定性. 对比东流水道有限实测体积流量与同日大通站体积流量(2007—2012年期间5次东流进口断面和大通站实测体积流量),得到东流水道与大通站体积流量的经验关系式:东流进口体积流量取值为大通站体积流量的93.8%. 对于来沙,在大通站实测挟沙水流的泥沙体积分数的基础上,放大或缩小15%来考虑来沙量对疏浚量预报的不确定性影响(见3.2节). 如图2(a) 所示为基础工况的进口来水来沙过程,来沙级配采用2010年4月、8月、11月和2012年1月的实测东流悬沙级配线性插值. 利用一维长河段数模计算的大通站水位和东流下游水位关系以及大通站水位-体积流量关系,推出东流水道出口水位-体积流量关系(见图2(b) ). 图2 中, ${q_V}$ 为体积流量, $z$ 为水位. 计算区域的整体糙率采用率定值0.02,局部修正:玉带洲头鱼骨坝和娘娘树边滩丁坝处的糙率为0.01,老虎滩护岸工程处的糙率为0.1. 由于河床活动层厚度与沙波高度相关[33 ] 、湖口至大通河段沙波高度约为0.1~0.8 m[34 ] ,设置活动层厚度为0.2 m(约为400倍的 ${d_{84}}$ ). 采用局部和整体最大融合时间步长方法,在CPU=4核的条件下,可以在2 d内模拟东流水道1 a的滩槽演变. ...
冲积河流混合活动层内床沙级配变化的动力学基本方程
1
2004
... 以2010年4月实测地形作为初始计算地形(见图1(a) ). 基于对网格尺寸的计算分析(详见3.1节),本文基础工况的计算网格尺寸为30~200 m,共有24 999个三角形网格单元和12 746个节点. 断面床沙数据资料和悬移质数据资料采用2010年4月25日的实测数据,覆盖12个断面(见图1(b) ):1#、Z1#、21#、2#、3#、4#、10#、Z2#、5#、6#、7#、8#. 图中,d 50 为活动层特征粒径,表征活动层有50%泥沙的粒径小于d 50 . 当给定计算区域初始床沙级配时,各断面按断面实测级配给定,断面之间线性插值(见图1(b) ). 熊小元等[30 -32 ] 对东流水道的滩槽演变开展模拟研究时,往往采用大通站实测的水沙通量作为东流水道数值模拟的进口边界条件. 大通站位于东流水道下游约120 km,虽然东流与大通站之间没有大的支流汇入,但直接采用大通站的来水来沙过程作为东流水道的进口边界条件具有一定的不确定性. 对比东流水道有限实测体积流量与同日大通站体积流量(2007—2012年期间5次东流进口断面和大通站实测体积流量),得到东流水道与大通站体积流量的经验关系式:东流进口体积流量取值为大通站体积流量的93.8%. 对于来沙,在大通站实测挟沙水流的泥沙体积分数的基础上,放大或缩小15%来考虑来沙量对疏浚量预报的不确定性影响(见3.2节). 如图2(a) 所示为基础工况的进口来水来沙过程,来沙级配采用2010年4月、8月、11月和2012年1月的实测东流悬沙级配线性插值. 利用一维长河段数模计算的大通站水位和东流下游水位关系以及大通站水位-体积流量关系,推出东流水道出口水位-体积流量关系(见图2(b) ). 图2 中, ${q_V}$ 为体积流量, $z$ 为水位. 计算区域的整体糙率采用率定值0.02,局部修正:玉带洲头鱼骨坝和娘娘树边滩丁坝处的糙率为0.01,老虎滩护岸工程处的糙率为0.1. 由于河床活动层厚度与沙波高度相关[33 ] 、湖口至大通河段沙波高度约为0.1~0.8 m[34 ] ,设置活动层厚度为0.2 m(约为400倍的 ${d_{84}}$ ). 采用局部和整体最大融合时间步长方法,在CPU=4核的条件下,可以在2 d内模拟东流水道1 a的滩槽演变. ...
冲积河流混合活动层内床沙级配变化的动力学基本方程
1
2004
... 以2010年4月实测地形作为初始计算地形(见图1(a) ). 基于对网格尺寸的计算分析(详见3.1节),本文基础工况的计算网格尺寸为30~200 m,共有24 999个三角形网格单元和12 746个节点. 断面床沙数据资料和悬移质数据资料采用2010年4月25日的实测数据,覆盖12个断面(见图1(b) ):1#、Z1#、21#、2#、3#、4#、10#、Z2#、5#、6#、7#、8#. 图中,d 50 为活动层特征粒径,表征活动层有50%泥沙的粒径小于d 50 . 当给定计算区域初始床沙级配时,各断面按断面实测级配给定,断面之间线性插值(见图1(b) ). 熊小元等[30 -32 ] 对东流水道的滩槽演变开展模拟研究时,往往采用大通站实测的水沙通量作为东流水道数值模拟的进口边界条件. 大通站位于东流水道下游约120 km,虽然东流与大通站之间没有大的支流汇入,但直接采用大通站的来水来沙过程作为东流水道的进口边界条件具有一定的不确定性. 对比东流水道有限实测体积流量与同日大通站体积流量(2007—2012年期间5次东流进口断面和大通站实测体积流量),得到东流水道与大通站体积流量的经验关系式:东流进口体积流量取值为大通站体积流量的93.8%. 对于来沙,在大通站实测挟沙水流的泥沙体积分数的基础上,放大或缩小15%来考虑来沙量对疏浚量预报的不确定性影响(见3.2节). 如图2(a) 所示为基础工况的进口来水来沙过程,来沙级配采用2010年4月、8月、11月和2012年1月的实测东流悬沙级配线性插值. 利用一维长河段数模计算的大通站水位和东流下游水位关系以及大通站水位-体积流量关系,推出东流水道出口水位-体积流量关系(见图2(b) ). 图2 中, ${q_V}$ 为体积流量, $z$ 为水位. 计算区域的整体糙率采用率定值0.02,局部修正:玉带洲头鱼骨坝和娘娘树边滩丁坝处的糙率为0.01,老虎滩护岸工程处的糙率为0.1. 由于河床活动层厚度与沙波高度相关[33 ] 、湖口至大通河段沙波高度约为0.1~0.8 m[34 ] ,设置活动层厚度为0.2 m(约为400倍的 ${d_{84}}$ ). 采用局部和整体最大融合时间步长方法,在CPU=4核的条件下,可以在2 d内模拟东流水道1 a的滩槽演变. ...
1
... 以2010年4月实测地形作为初始计算地形(见图1(a) ). 基于对网格尺寸的计算分析(详见3.1节),本文基础工况的计算网格尺寸为30~200 m,共有24 999个三角形网格单元和12 746个节点. 断面床沙数据资料和悬移质数据资料采用2010年4月25日的实测数据,覆盖12个断面(见图1(b) ):1#、Z1#、21#、2#、3#、4#、10#、Z2#、5#、6#、7#、8#. 图中,d 50 为活动层特征粒径,表征活动层有50%泥沙的粒径小于d 50 . 当给定计算区域初始床沙级配时,各断面按断面实测级配给定,断面之间线性插值(见图1(b) ). 熊小元等[30 -32 ] 对东流水道的滩槽演变开展模拟研究时,往往采用大通站实测的水沙通量作为东流水道数值模拟的进口边界条件. 大通站位于东流水道下游约120 km,虽然东流与大通站之间没有大的支流汇入,但直接采用大通站的来水来沙过程作为东流水道的进口边界条件具有一定的不确定性. 对比东流水道有限实测体积流量与同日大通站体积流量(2007—2012年期间5次东流进口断面和大通站实测体积流量),得到东流水道与大通站体积流量的经验关系式:东流进口体积流量取值为大通站体积流量的93.8%. 对于来沙,在大通站实测挟沙水流的泥沙体积分数的基础上,放大或缩小15%来考虑来沙量对疏浚量预报的不确定性影响(见3.2节). 如图2(a) 所示为基础工况的进口来水来沙过程,来沙级配采用2010年4月、8月、11月和2012年1月的实测东流悬沙级配线性插值. 利用一维长河段数模计算的大通站水位和东流下游水位关系以及大通站水位-体积流量关系,推出东流水道出口水位-体积流量关系(见图2(b) ). 图2 中, ${q_V}$ 为体积流量, $z$ 为水位. 计算区域的整体糙率采用率定值0.02,局部修正:玉带洲头鱼骨坝和娘娘树边滩丁坝处的糙率为0.01,老虎滩护岸工程处的糙率为0.1. 由于河床活动层厚度与沙波高度相关[33 ] 、湖口至大通河段沙波高度约为0.1~0.8 m[34 ] ,设置活动层厚度为0.2 m(约为400倍的 ${d_{84}}$ ). 采用局部和整体最大融合时间步长方法,在CPU=4核的条件下,可以在2 d内模拟东流水道1 a的滩槽演变. ...
1
... 以2010年4月实测地形作为初始计算地形(见图1(a) ). 基于对网格尺寸的计算分析(详见3.1节),本文基础工况的计算网格尺寸为30~200 m,共有24 999个三角形网格单元和12 746个节点. 断面床沙数据资料和悬移质数据资料采用2010年4月25日的实测数据,覆盖12个断面(见图1(b) ):1#、Z1#、21#、2#、3#、4#、10#、Z2#、5#、6#、7#、8#. 图中,d 50 为活动层特征粒径,表征活动层有50%泥沙的粒径小于d 50 . 当给定计算区域初始床沙级配时,各断面按断面实测级配给定,断面之间线性插值(见图1(b) ). 熊小元等[30 -32 ] 对东流水道的滩槽演变开展模拟研究时,往往采用大通站实测的水沙通量作为东流水道数值模拟的进口边界条件. 大通站位于东流水道下游约120 km,虽然东流与大通站之间没有大的支流汇入,但直接采用大通站的来水来沙过程作为东流水道的进口边界条件具有一定的不确定性. 对比东流水道有限实测体积流量与同日大通站体积流量(2007—2012年期间5次东流进口断面和大通站实测体积流量),得到东流水道与大通站体积流量的经验关系式:东流进口体积流量取值为大通站体积流量的93.8%. 对于来沙,在大通站实测挟沙水流的泥沙体积分数的基础上,放大或缩小15%来考虑来沙量对疏浚量预报的不确定性影响(见3.2节). 如图2(a) 所示为基础工况的进口来水来沙过程,来沙级配采用2010年4月、8月、11月和2012年1月的实测东流悬沙级配线性插值. 利用一维长河段数模计算的大通站水位和东流下游水位关系以及大通站水位-体积流量关系,推出东流水道出口水位-体积流量关系(见图2(b) ). 图2 中, ${q_V}$ 为体积流量, $z$ 为水位. 计算区域的整体糙率采用率定值0.02,局部修正:玉带洲头鱼骨坝和娘娘树边滩丁坝处的糙率为0.01,老虎滩护岸工程处的糙率为0.1. 由于河床活动层厚度与沙波高度相关[33 ] 、湖口至大通河段沙波高度约为0.1~0.8 m[34 ] ,设置活动层厚度为0.2 m(约为400倍的 ${d_{84}}$ ). 采用局部和整体最大融合时间步长方法,在CPU=4核的条件下,可以在2 d内模拟东流水道1 a的滩槽演变. ...
1
... 图3 中, ${D_{{\rm{fip}}}}$ 为起点距, $V$ 为流速. 图4 中,Δz b 为冲淤厚度. 对比2010年8月4日东流水道实测断面流速分布与计算流速分布(见图3 )以及2010年4月—8月的实测地形冲淤厚度和计算地形冲淤厚度(见图4 )可知,模型成功复演了东流水道2010年汛期的滩槽冲淤过程的主要特征[3 , 35 ] :左岸华阳镇-桃树滩一带边滩冲刷,冲刷下移的泥沙在东角冲附近大量淤积,又形成凸入江中的大边滩,老虎滩北槽、西港普遍淤积. 从图3 、4 可以看出,计算值与实测值达到了较好的验证结果. ...
1
... 图3 中, ${D_{{\rm{fip}}}}$ 为起点距, $V$ 为流速. 图4 中,Δz b 为冲淤厚度. 对比2010年8月4日东流水道实测断面流速分布与计算流速分布(见图3 )以及2010年4月—8月的实测地形冲淤厚度和计算地形冲淤厚度(见图4 )可知,模型成功复演了东流水道2010年汛期的滩槽冲淤过程的主要特征[3 , 35 ] :左岸华阳镇-桃树滩一带边滩冲刷,冲刷下移的泥沙在东角冲附近大量淤积,又形成凸入江中的大边滩,老虎滩北槽、西港普遍淤积. 从图3 、4 可以看出,计算值与实测值达到了较好的验证结果. ...