Figure 4. Structure of artificial neural network [37]

터널 배수로 오목 굴곡에서 난류 유동 모델링 인공 신경망을 이용한 압력 예측 및 예측

Zeinab Bashari Moghaddam 1
Hossein Mohammad Vali Samani2
Seyed Habib Mousavi Jahromi 3

Abstract

터널 배수로는 높은 자유 표면 유속이 설정되는 배수로 유형 중 하나입니다. 회전 가속과 난류 흐름의 불규칙성으로 인해 오목한 수직 굽힘에서 압력이 증가합니다. 물리적 모델은 이 현상을 분석하는 가장 좋은 도구입니다.

모든 실제 프로토 타입 상태 분석을 포괄하는 데 필요한 물리적 모델의 수가 너무 많아 배치 및 비용 측면에서 비실용적입니다. 따라서 FLOW-3D 소프트웨어는 가능한 모든 실제 대안을 포괄하는 오목한 굴곡 터널의 난류 흐름 데이터베이스를 분석하고 생성하기 위해 선택되었습니다.

이 소프트웨어는 방전과 형상이 다른 다양한 터널을 시뮬레이션했습니다. 수치 결과는 Alborz Dam 터널 배수로의 건설 된 물리적 모델의 실험 결과로 검증되었으며 만족스러운 동의를 얻었습니다. 차원 분석은 문제의 관련 변수를 차원 없는 매개 변수로 그룹화하는 데 사용됩니다.

이러한 매개 변수는 인공 신경망 시뮬레이션에 사용됩니다. 결과는 Flow-3D 소프트웨어로 얻은 무 차원 매개 변수와 신경망에 의해 예측된 변수 사이의 상관 계수 R2 = 0.95를 보여 주었으며, 이와 관련하여 난류 모델링을 통해 얻은 데이터베이스를 기반으로 한 인공 신경망이 결론을 내릴 수있었습니다. 압력 예측을 위한 강력한 도구입니다.

Keywords: Flow-3D, Tunnel spillway concave bend, Numerical simulation, Turbulent flow,
Artificial neural network

본문 내용 생략 : 본문 내용은 내용 하단부에 첨부된 본문 링크를 참조하시기 바랍니다.

Figure 1. Flow in a concave curvature
Figure 1. Flow in a concave curvature
Figure 2. Flow in the curvature of the flip bucket
Figure 2. Flow in the curvature of the flip bucket
Figure 3. The location of piezometers on the bed of the concave curvature of tunnel spillway in Alborz Dam
Figure 3. The location of piezometers on the bed of the concave curvature of tunnel spillway in Alborz Dam
Figure 4. Structure of artificial neural network [37]
Figure 4. Structure of artificial neural network [37]
Figure 5. Correlation coefficient of the Neural Network simulation and Flow-3D in the training
stage
Figure 6. Correlation coefficient of the Neural Network simulation and Flow-3D in the validation stage
Figure 6. Correlation coefficient of the Neural Network simulation and Flow-3D in the validation stage
Figure 7. Comparison 0f the Simulated Neural Network and Flow-3D Results of the validation stage
Figure 7. Comparison 0f the Simulated Neural Network and Flow-3D Results of the validation stage
Figure 8. Correlation coefficient of the Flow-3D numerical results and Equation (1)
Figure 8. Correlation coefficient of the Flow-3D numerical results and Equation (1)
Figure 9. Correlation coefficient of the Flow-3D numerical results and Equation (2)
Figure 9. Correlation coefficient of the Flow-3D numerical results and Equation (2)
Figure 10. Correlation coefficient of the Flow-3D numerical results and Equation (3)
Figure 10. Correlation coefficient of the Flow-3D numerical results and Equation (3)

현재 연구에서 FLOW-3D 소프트웨어는 처음에 다양한 크기와 배출의 터널 배수로에서 난류 흐름을 시뮬레이션하는데 사용되었습니다. 결과는 이란 에너지부 물 연구소에서 제공한 Alborz 저장 댐에서 얻은 실제 데이터와 비교하여 검증되었습니다.

시뮬레이션에는 다양한 난류 모델이 사용되었으며 RNG 방법이 관찰된 실제 결과와 가장 잘 일치하는 것으로 나타났습니다. 직경이 3 ~ 15m 인 다양한 터널 배수로, 곡률 반경 3 개, 거의 모든 실제 사례를 포괄하는 3개의 배출이 시뮬레이션에 사용되었습니다.

차원 분석을 사용하여 무 차원 매개 변수를 생성하고 문제의 변수 수를 줄였으며 마지막으로 두 개의 주요 무 차원 그룹이 결정되었습니다. 이러한 무 차원 변수 간의 관계를 얻기 위해 신경망을 사용하고 터널 배수로의 오목한 굴곡에서 압력 예측 단계에서 0.95의 상관 계수를 얻었습니다.

압력 계산 결과는 다른 일반적인 방법으로 얻은 결과와 비교되었습니다. 비교는 신경망 결과가 훨씬 더 정확하고 배수로 터널의 오목한 곡률에서 압력을 예측하는 강력한 도구로 간주 될 수 있음을 나타냅니다.

References

  1. Kim, D. G., & Park, J. H. (2005). Analysis of flow structure over ogee-spillway in
    consideration of scale and roughness effects by using CFD model. KSCE Journal of Civil
    Engineering, 9(2), 161-169.
  2. Sabbagh-Yazdi, S. R., Rostami, F., & Mastorakis, N. E. (2008, March). Simulation of selfaeration at steep chute spillway flow using VOF technique in a 3D finite volume software. In
    Am. Conf. on Appl. Maths. Harvard, Mass, 24-28.
  1. Nohani, E. (2015). Numerical simulation of the flow pattern on morning glory spillways.
    International Journal of Life Sciences, 9(4): 28-31.
  2. Parsaie, A., Dehdar-Behbahani, S., & Haghiabi, A. H. (2016). Numerical modeling of
    cavitation on spillway’s flip bucket. Frontiers of Structural and Civil Engineering, 10(4),
    438-444.
  3. Teuber, K., Broecker, T., Bay´on, A., N¨utzmann, G. and Hinkelmann, R. (2019) ‘CFDmodelling of free surface flows in closed conduits’, Progress in Computational Fluid
    Dynamics, 19(6), 368–380.
  4. Ghazanfari-Hashemi, R.S., Namin, M.M., Ghaeini-Hessaroeyeh, M. and Fadaei-Kermani,
    E., 2020. A Numerical Study on Three-Dimensionality and Turbulence in Supercritical Bend
    Flow. International Journal of Civil Engineering, 18(3), 381-391.
  5. Sha, H. F., Wu, S. Q., & Zhou, H. (2009). Flow characteristics in a circular-section bend of
    high head spillway tunnel. Advances in Water Science, (6), 14.
  6. Liu, Z., Zhang, D., Zhang, H., & Wu, Y. (2011). Hydraulic characteristics of converse
    curvature section and aerator in high-head and large discharge spillway tunnel. Science
    China Technological Sciences, 54(1), 33-39.
  7. Zheng, Q. W., Luo, S. J., & Zhang, F. X. (2012). The Effect of Concave Types on the
    Hydraulic Characteristics in Spillway Tunnels with High-Speed Velocity. China Rural
    Water and Hydropower, 4.
  8. Hongmin, G. U. O., Jiang, L. I., Shan, Q. I. N., & Yang, X. I. E. (2014). Three-Dimensional
    Numerical Simulation on Spillway Tunnel of Pankou Hydropower Station. Water Resources
    and Power, (4), 22.
  9. Wan, W., Liu, B., & Raza, A. (2018). Numerical Prediction and Risk Analysis of Hydraulic
    Cavitation Damage in a High-Speed-Flow Spillway. Shock and Vibration, 2018.
  10. Wei, W., Deng, J. and Xu, W. (2020). Numerical investigation of air demand by the free
    surface tunnel flows. Journal of Hydraulic Research, 1-8.
  11. Xu, W., Dang, Y., Li, G., Shao, J. and Chen, G. (2007) ‘Three-dimensional numerical
    simulation of the bi-tunnel spillway flow [J] ‘, Journal of Hydroelectric Engineering, 1, 56-
    60.
  12. Huang, H.Y., Gong, A.M., Qiu, Y. and Wangliang, Z.A. (2015) ‘ 3D Numerical Simulation
    and Experimental Analysis of Spillway Tunnel’ In Applied Mechanics and Materials. Trans
    Tech Publications Ltd. 723, 171-175.
  13. Li, S., Zhang, J. M., Xu, W. L., Chen, J. G., Peng, Y., Li, J. N., & He, X. L. (2016).
    Simulation and experiments of aerated flow in curve-connective tunnel with high head and
    large discharge. International Journal of Civil Engineering, 14(1), 23-33.
  14. Shilpakar, R., Hua, Z., Manandhar, B., Shrestha, N., Zafar, M. R., Iqbal, T., & Hussain, Z.
    (2017, August). Numerical simulation on tunnel spillway of Jingping-I hydropower project
    with four aerators. In IOP Conference Series: Earth and Environmental Science. 82, 012013.
  15. Song, C. C., & Zhou, F. (1999). Simulation of free surface flow over spillway. Journal of
    Hydraulic Engineering, 125(9), 959-967.
  16. Fais, L.M.C.F., Filho, J.G.D., Genovez, A.I.B. (2015). Geometry influence and discharge
    curve correction in morning glory spillways. Proceedings of the 36th IAHR World
    Congress.
  17. Falvey, H. T. (1990). Cavitation in chutes and spillways. Denver: US Department of the
    Interior, Bureau of Reclamation. 49-57.
  18. Chaudhry, M. H. (2007). Open-channel flow. Springer Science & Business Media.
  1. Novak, P., Moffat, A. I. B., Nalluri, C., & Narayanan, R. (2007). Hydraulic structures.
    Fourth Edition, Taylor & Francis, New York , 246–265.
  2. Jorabloo, M., Maghsoodi, R., Sarkardeh, H., & Branch, G. (2011). 3D simulation of flow
    over flip buckets at dams. Journal of American Science, 7(6), 931-936.
  3. Khani, S., Moghadam, M. A., & Nikookar, M. (2017). Pressure Fluctuations Investigation
    on the Curve of Flip Buckets Using Analytical and Numerical Methods. Vol. 03(04), 165-
    171.
  4. McCulloch, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous
    activity. The bulletin of mathematical biophysics, 5(4), 115-133.
  5. Hopfield, J. J. (1982). Neural networks and physical systems with emergent collective
    computational abilities. Proceedings of the national academy of sciences, 79(8), 2554-2558.
  6. Wu,C.L. Huang, B. Xie, C.B. (2008) . Comparison of calculation methods for irrigation
    district water inlet, China Rural Water and Hydropower ,5 (71) ,74–77.
  7. Qiu,J. Huang, B.S. . Lai, G.W. (2002). Research and application of discharge coefficient of
    wide crest weir, China Rural Water and Hydropower ,9 ,41–42.
  8. Xiang, H.Q .Ba,D.D. Liu, J.J. (2012) . Acquiring of curved practical weir flow coefficient by
    curve-fitting based on Matlab, Hydropower Energy Sci. 3 ,97–99.
  9. Ye,Y.T. He,J.J.(2013).Experimental study on hydraulic calculation of discharge under plane
    gate on broad-crested weir, J. Water Resour. Archit. Eng. 11 (2), 138–141.
  10. Salmasi, F., Yıldırım, G., Masoodi, A., & Parsamehr, P. (2013). Predicting discharge
    coefficient of compound broad-crested weir by using genetic programming (GP) and
    artificial neural network (ANN) techniques. Arabian Journal of Geosciences, 6(7), 2709-
    2717.
  11. Noori, R.; Hooshyaripor, F. (2014). Effective prediction of scour downstream of ski-jump
    buckets using artificial neural networks. Water Resour. 41, 8–18.
  12. Flow-Science. (2014). FLOW-3D user manual. version11. In: Flow Science Santa Fe, NM.
  13. Yakhot, V. S. A. S. T. B. C. G., Orszag, S. A., Thangam, S., Gatski, T. B., & Speziale, C. G.
    (1992). Development of turbulence models for shear flows by a double expansion technique.
    Physics of Fluids A: Fluid Dynamics, 4(7), 1510-1520.
  14. Report on the hydraulic model of Alborz dam reservoir. (2001). Iran Water Research
    Institute
  15. Lippman, R. (1987). An introduction to computing with neural nets. IEEE Assp magazine,
    4(2), pp.4-22.
  16. Baylar, A., Ozgur, K.I.S.I. and Emiroglu, M.E. (2009). Modeling air entrainment rate and
    aeration efficiency of weirs using ANN approach. Gazi University Journal of Science, 22(2),
    107-116.
  17. Maureen, C. and Caudill, M. (1989). Neural network primer: Part I. AI Expert, 2(12),
    p.1987.