英语原文共 12 页
强湍流下絮凝体尺寸的变化:观测和人工神经网络建模
Cihan Sahina,lowast;, H. Anil Ari Gunera, Mehmet Ozturka, Alexandru Sheremetb
摘要：利用高分辨率的现场观测和基于人工神经网络的絮凝模型，研究了波浪作用下粘性泥沙的絮凝特性。利用电流剖面和声背散射的测量值，估算了悬沙浓度和湍流强度的垂向pro- files。利用人工神经网络(ANN)对絮凝体粒径垂直分布进行估计，并利用絮凝体粒径测量数据对其进行训练和验证。数据分析表明，悬沙浓度与湍流强度呈线性相关。观测和数值模拟表明，絮凝体大小与泥沙浓度、湍流强度和水温成反比。数值结果表明，絮凝体的生长受到低浓度和低湍流度的支持。在垂直方向上，絮凝体的平均尺寸向底部逐渐减小，说明絮凝体向床层方向的湍流度增大而破碎。湍流切变在底部几cm范围内显著减小，这与泥沙密度分层增加湍流阻尼有关。数值模拟结果与粘性泥沙颗粒经历聚集破碎过程的概念相吻合，表明神经网络可以作为研究絮凝过程的一种精确工具。
关键词:絮凝粘性泥沙，人工神经网络悬浮泥沙紊流，路易斯安那州大陆架底部附面层
1.介绍
泥沙输移在河流、海湾和河口的演变中起着至关重要的作用，因为它不仅影响这些系统的形态，而且还影响水生生境、水质和浑浊度。Bot- tom沉积物为底栖生物提供栖息地，是营养物质和潜在有毒物质(如农药和金属)的来源，这些物质很容易随沉积物颗粒运输[1,2]。这些粒子通常作为悬浮体运输。例如，在从晚秋到早春的潮湿季节，有87-99%的沉积物以固定载荷[3]的形式输送到旧金山湾。悬浮沉积物还通过减少光的传输影响光合作用，而沉积在航道中的沉积物需要定期疏浚，以保持航道处于可通航状态[3]。
非粘性原组分悬浮液的沉降速度根据粒子的相对密度、大小和形状，可以用定义良好的表达式(例如，斯托克斯定律;由于悬浮颗粒运动所涉及的力只有重力和流动阻力(如[5])。然而，在海湾和河口，悬浮颗粒很少以它们的主要状态存在;相反，它们通常是矿物颗粒、生物碎屑、细菌和被称为絮凝体的有机物质[6,7]的异质聚集体，絮凝体表现为可识别的沉积单元[8]。絮凝。，絮凝体的形成长期以来被认为是一个受环境条件驱动的动态过程(如[9])，主要通过流沙相互作用(如，[10-13])。
原始粒子的聚集发生在这些粒子凝聚的时候，大量的碰撞会导致粘附。当碰撞强度或湍流剪切强度超过一定阈值时，聚集转变为破碎。在这种情况下，可能会出现一个限制最大大小的[14]。颗粒浓度和湍流剪切是控制絮凝体大小的主要参数，它们影响絮凝体的强度和切口数[15-17]。由于絮凝体在盐水[18]中更容易紧密接触并相互粘附，因此随着盐度的增加，絮凝体的形成速度将会加快。随着温度的升高，絮凝体尺寸增大，沉降速度降低，粘度变化导致絮凝体较弱[19-21]。
因此，悬浮液中的絮凝体经历了各种过程，如聚集、破碎、重新充填、快速眼动矿化、沉积，最终再悬浮。由于双模态分布的絮凝体种群是常见的[22]，因此建议对微絮凝体和大絮凝体进行区分[23,24]。Macro-flocs很大(直径D gt; 160micro;m),高度多孔(孔隙度大于90%)、脆弱、快速沉降总量。小micro-flocs (D lt; 160micro;m)通常被认为是构建块的macro-flocs组成。微絮凝体更抗湍流剪切破坏。一般情况下，微絮凝体沉降速度较慢，但其有效密度范围要比较大的宏观絮凝体大得多。絮凝体的尺寸和沉降速度是模拟近岸水体中粘聚物运移的关键参数。因此，准确地预测絮凝体的大小及其沉降速度是准确估算粘性泥沙输移量的必要条件。
在波浪主导的环境中，直接测量絮凝体的尺寸分布是困难的，因此对这种观测的尝试次数很少，而且它们表现出不确定性。不确定性的主要来源是仪器(如LISST:激光原位散射透射仪)在相对高浓度下的功能有限，仅限制在浓度预计较低的位置(高水柱)部署(如，[26-28])。更重要的是，这些测量并不能代表水柱过程，因为絮凝体大小在垂直方向上随着水流和泥沙条件的变化而变化[16,29,30,31,27,28][16,29 - 31,27,28，以及许多其他条件]。近年来，声学技术已被用于从多个频率的声强记录中估算悬浮泥沙浓度(SSC)和具有高垂直分辨率的絮体大小。然而，这一过程需要支持的独立点测量絮凝体大小和SSC同步收集与声学后向散射测量在不同频率。目前已发表的一些研究(如[32,33,26,28,7])承认了声学观测解释的困难和不确定性。
所有的絮凝模型，建立了定量的絮凝体大小、絮凝体密度和底层边界层沉降速度的计算是基于某一版本的凝聚破碎方程(如[34,35,65-67])，该方程扩展了Smoluchowski[68]最初提出的絮凝方程。虽然人们对絮凝的基本原理基本一致，但对絮凝的争论和贡献(如[36 - 38,31])似乎集中在特定术语的作用和形式上，如湍流诱导的碰撞和破碎过程[37]，或剪切聚集[31,39 - 41]。为了降低计算成本，一些模态els关注于简化的分布(如双峰、[38])。除了少数例外(如[38])，大多数模型假定均质和各向同性悬浮体(所谓的0-D模型)，而忽略了沉降效应和边界沉积物来源。虽然这些模型可以解决许多机制导致絮凝,只有少数人加上粘性泥沙输运模型,相关限制由于计算成本,增加模型com - plexity,参数化的难度和缺乏知识的过程影响絮状物属性如分形维数、大小和密度。
本文对流动的影响进行了研究从观测和建模两方面研究了含波环境下粘性泥沙絮凝的泥沙相关参数。野外观测是基于从近地层流速和后向散射测量(第3节)中提取的阿查法拉亚泥滩浅水区的大范围波流条件和泥沙浓度。人工神经网络(ANN)可以作为另一种建模方法，在这种方法中，虽然有足够的实验数据来确定参数之间的相互关系，但是参数之间的相互关系并不清楚。这些性质适用于受多种随机变量影响的絮凝体尺寸的预测。模型结果与现场观测结果相结合，对水体絮凝过程进行了详细的描述。讨论了这些结果对悬浮粘性沉积物对水动力响应的影响，以及现场泥沙动力学研究结果的意义(第5节)。
2. 现场试验
1.1 研究地点及仪器
现场数据集是在2006年3月3日至3月11日期间(本研究报告的时间为UTM)，由部署在墨西哥湾北部阿查法拉亚湾(Atchafalaya Bay)前的泥质内大陆架上的5米等压线附近的仪器平台收集的(图1a)。代表在泥泞的粒度,近平(最大斜率小于1:1000)内部之间的大陆架范围2和7micro;m,细沙含量为17% (42、43)。与阿查法拉亚河流量相关的含沙淡水羽流每年带来约84公吨的泥沙[44]。此外，在12月至4月之间，与冷空气锋有关的高能波会重新作用于床层，调动大量沉积物。这两种作用导致了近地层流体泥浆层的形成，并在水下三角洲[45]上向陆上和海上移动。本文所提供的观测结果是对浅滩-低泥质环境中流体动力学和泥沙输移过程的更大范围研究的一部分。关于2006年实验期间的野外条件和阿查法拉亚冰架沉积物类型分布的详细描述，请参考[46](见图2)。
仪器平台的配置如图1b所示。采用PC-ADP (Pulse- Coherent声学多普勒剖面仪Sontek/YSI)测量了第一单床(位于床上方一米)内流速的垂直结构。直接的SSC观测由两个OBS-3s(光学背散射传感器，Damp;A仪器，Campbell Sci.)提供，它们与PC-ADP在50和75 cmab(床上方cm)同步采样。obs -3在实验室中使用在实验现场收集的沉积物和水样进行校准。悬浮沉积物的粒度分布估计基于观察的lisst - 100 x - C型(原位激光散射大气透射表,红杉科学)安装在120 cmab估计大小分布的前缀的话粒子(棉絮和初级)32类范围在2.5和500micro;m之间。该仪器记录了每分钟(平均100个，2赫兹山姆普勒)，每小时30分钟爆发的悬浮沉积物粒度分布。一只海鸟幼猫在115 cmab的盐度和温度与PC-ADP同步采样。将长度为10分钟的PC-ADP压力时间序列段进行去趋势化和去均值化，然后将其划分为128个s段，重叠50%，利用汉宁窗进行锥形。得到的光谱大约有17个自由度。 在此基础上，估算出显著波高HsH2 = 16 f2 Syy(f)df，其中Syy为的功率谱密度光谱分析。利用线性波理论对Syy的深度衰减进行了修正，其高频截止由大于95%的波方差深度衰减定义。增加一个与f - 5成比例的谱尾来覆盖高频范围。采用fc = 0.2 Hz的截止频率来区分浪涌(长波)和海浪(短波)波段，例如，浪涌频带f1 = 0.0078 Hz, f2 = fc;对于海带f1 = fc, f2 = 0.992 Hz。每隔一小时计算一次代表水流和沉积物的统计量(水流的平均速度和方向、波谱、显著的波高、平均浓缩度、盐度、温度和平均絮凝体大小)，从而得到测量数据的195点时间序列的平均值。
图1.(a)阿查法拉亚大陆架表面沉积物的近似分布。该圆圈标志的位置仪器平台(29.26再障北纬，91.57再障西经)。(b)系泊图及仪器布置图。
2.2观察
图2总结了2016年3月3-11日期间流沙特征演变的观测结果。海洋(风浪)，有时达到1米的显著高度，可在一周内观测到(图2a)。在头5天内，肿胀的活动几乎可以忽略不计。从3月8日晚开始，膨胀能明显增加，在PC-ADP剖面范围内，电流速度显著增加，超过0.4 m/s(图2b)。一般来说，SSC的变化似乎与波浪电流活动有关。当强涌浪活动周期与强洋流同时发生时，OBSs测得的浓度最高，在50 cmab时达到近8 kg/m3(图2a-c)，似乎触发了一个显著的icant河床沉积物再悬浮(signif- icant bed sediment)。
周期，可能是由于强湍流引起絮凝体破碎(图2a-e)。在整个研究期间，盐度和温度分别在25-29 psu和18-21◦C之间变化。特别是，温度与絮凝体粒径变化呈明显的负相关关系(图2e和f)，说明热能也可能在絮凝过程中发挥作用。
3.数据分析
大量的现场和实验室研究强调了絮凝体大小、水流湍流度和泥沙聚集之间的关系，并用[29]确定了众所周知的概念图。所有这些参数都可能垂直变化。光学传感器(如本研究中使用的传感器)提供了一些SSC测量点，这些测量点的密度一般不足以满足水体中沉积物含量的焦化要求。由于商用电流剖面仪通常用于测量电流和后向散射强度剖面，因此可以从流速剖面中提取控制絮凝体形成的参数(如湍流剪切和SSC)的垂直分布;该方法可以作为神经网络模型的输入来估计絮凝体的垂直尺寸分布。
3.1剪切速率估计
已知流动湍流是控制絮凝体形成的主要机制之一(如[29,31,27,28])，可以用剪切速率G (sminus;1)来表示[15,16,27,28]，由LISST记录与主导floc-mode双模,跨越150至300米范围,与200年和230年之间的峰值位置重合;和较弱的絮凝体约50名micro;m模式定位。两种模式的峰的位置非常稳定,尽管赖斯,不同流(图2 a, b, d)。主要粒度粗砂的范围,然而,因为没有粗砂在这个地区,我们解释它代表了絮状物模式[43]。的意思是v是液体的运动粘度， n = 0.41为冯卡门常数，z为离床距离。假设非分层湍流边界层壁面的对数律25和300年micro;m平均约200micro;m(图2 e)。平均絮凝体大小的变化似乎与流动条件和悬浮体中的泥沙量呈负相关。这表明，在风平浪静时期，絮凝体的生长条件趋于有利，主要表现为小波流和低SSC。悬浮物在充满能量时主要是小絮凝体其中u为水平速度，z0为速度为0时底部粗糙度的函数。式(2)中的参数u*和z0可根据对数剖面与实测波边界层外流速剖面u(z)最拟合的值迭代估计[47,27]。有关该过程的进一步细节，请参考[47,27]。
该方法应用于PC-ADP在整个感兴趣周期内的速度剖面，以计算摩擦速度u*，因此底部剪切应力2，其中为流体密度(图3a和图b)层数一般不超过几厘米，床上的前两个箱子不在分析范围内。然后用u*估计量，利用式(1)计算沿垂直轴的耗散率和剪切率(图3c)。有效的对数区域涵盖了75%的测量脉冲(195个脉冲中的146个)的整个剖面，平均r2 = 0.97。底部剪切应力估计值在0 - 0.5 Pa之间，主要随电流速度的变化而变化(图3a和图b)。G估计值的垂直剖面见图3c，图3c将用于研究湍流强度对絮凝体大小的影响。
图2.(a)海面显著波高(f gt; 0.2 Hz，细线)和涌浪(fle;0.2 Hz，粗线)波段的时间演化;(b) PC-ADP测量电流速度剖面;(c) OBS-3s测得的悬浮泥沙浓度(红色:50 cmab，蓝色:75 cmab);(d)每一粒径的分数体积，由每小时平均LISST数据计算;(e)从LISST数据中提取的絮凝体平均大小;(f)盐度(蓝色)和温度(红色)测量。(要解释图中对颜色的引用，请参考本文的web版本。）
3.2SSC配置文件
SSC配置文件的估计根据PC-ADP的声背散射强度数据，利用独立OBS在床上方50和75厘米处的观测值，估计了SSC的垂直剖面。的校准包括对PC-ADP“系统常数”的估计，该系统常数在由独立仪器(OBS)测量的浓度与PC-ADP估计值之间产生最佳一致性。传输损耗是由光束的球面扩散和水与扰动引起的衰减引起的损耗，它增加了原始后向散射进行校正。由于球的传播，必须引入近场校正因子来考虑这种效应。单位行程长度内的水衰减是声频、盐度、水温和压力的函数。在浅水区(水深lt;20 m)， pres- sure不足以对衰减系数产生显著影响。对于已知的SSC剖面，可以计算出泥沙衰减。如果不知道SSC剖面，对于稀浓度可以假定为可忽略不计。然而
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
