非静压模型SWASH学习(7)——自制算例Lock-Exchange

news2024/10/2 1:29:43

自制算例Lock-Exchange

  • 算例简介
  • 模型配置
  • 网格及参数设置
    • 网格与地形
    • 初始条件与边界条件
    • 物理参数设置
    • 数值求解方法
    • 模型输出
    • 计算时间
  • 模拟结果

SWASH是由Delft大学开发,用于模拟非静压条件下的水动力/波浪运动的数值模型。
与模型原理相关的内容详见以下论文:

  1. SWASH: An operational public domain code for simulating wave fields and rapidly varied flows in coastal waters (Marcel Zijlema, Guus Stelling, Pieter Smit)1
  2. Computation of free surface waves in coastal waters with SWASH on unstructured grids (Marcel Zijlema)2
  3. An accurate and efficient finite-difference algorithm for non-hydrostatic free-surface flow with application to wave propagation3

其中,第2篇论文是描述了SWASH模型的最新功能,即可支持非结构化三角形网格。不过,本blog提及的算法、设置以swash结构化网格的版本为对象,不涉及非机构化网格。
注:有些指令、参数已经在前面的博客中进行讲解了,故之后不会再详细说明;相关内容详见之前的博文。也希望大家能留言,来相互交流!

SWASH主页:https://swash.sourceforge.io/
模型手册:https://swash.sourceforge.io/online_doc/swashuse/swashuse.html

算例简介

Lock-Exchange 问题指的是一个封闭水槽中,由垂直隔板隔开的不同密度静止流体在去除隔板后的流动与混合问题。在去除隔板后,两个不同密度的流体在斜压作用下,分别在流体表层与底层形成两股等速但反向的重力流。在此过程中,不同密度流体的交界面会因剪切失稳而产生涡旋,影响了界面处的水体混合。
总之, Lock-Exchange 问题能描述重力流的诸多关键物理过程,是模拟重力流时空变化的经典算例。本博客将以 Fringer & Street (2006)4 和 Lai et. al (2010)5 的非静压模型研究为参考,尝试Lock-Exchange的静压模拟和非静压模拟,以展现两者的显著区别。

参考文献

  1. An unstructured-grid, finite-volume, nonhydrostatic, parallel coastal ocean simulator (Fringer & Street).
  2. A nonhydrostatic version of FVCOM: 1. Validation experiments (Lai et. al).

模型输入文件及相关数据可下载于【传送门】。若要运行此算例,请将此下载的压缩文件解压,将含有.sws、 .bot 和 .sed 后缀的所有文件解压至swash.exe所在的目录下。

模型配置

模型的初始状态如下图所示。其中,左侧为低密度流体,右侧为高密度流体。在本文中,我们定义密度仅和水体盐度相关;左侧水体为清水,右侧水体为含盐量5.0ppt的盐水。
在这里插入图片描述
:上图来自文献 A nonhydrostatic version of FVCOM: 1. Validation experiments (Lai et. al)。

网格及参数设置

网格与地形

MODE DYN ONED
$
CGRID 0. 0. 0. 0.8 0. 400 0
$
VERT 100
$
INPGRID BOTTOM 0. 0. 0. 1 0 0.8 0.
READINP BOTTOM 1. 'lock.bot' 1 0 FREE

由于模型采用了立面二维的计算区域。故在水平面上,模型采用一维模式(MODE DYN ONED)。将长0.8 m的计算域均分为400个网格,每个网格的长度 Δx = 0.002 m。此外,在垂直方向上,计算域被均分为100个σ网格。
随后,通过 INPGRID 和 READINP 读取了 lock.bot 文件中初始水深(即地形)数据。

初始条件与边界条件

INIT ZERO
$
INPTRANS  SEDIMENT 0. 0. 0. 400 0 0.002 0.
READTRANS SEDIMENT 1. 'lock.sed' 1 0 FREE

模型的初始水位、流速值均设为零(INIT ZERO)。而对于盐度,本模型通过READTRANS指令将 lock.sal 文件中的数据读入。
lock.sal 文件包含了401个数据,它们对应了401个格点上的盐度值。前一半的浓度值为 0.0,表示了低密度流体中不含泥沙;后一半的值为 5.0。

物理参数设置

VISC 0.000001
TRANSPORT 0.000001

设定模型的水平粘度(分子粘度)为10-6m2/s,盐度的分子扩散系数为10-6m2/s。

数值求解方法

NONHYDrostatic standard
$
$ Note that energy is conserved
DISCRET UPW HEAD
DISCRET UPW UMOM V NONE
DISCRET UPW WMOM H NONE
DISCRET UPW WMOM V NONE
DISCRET TRANSP H NONE
DISCRET TRANSP V NONE

与之前的波浪模拟不同,此处还要对物质输运方程的数值方法进行设定。设定指令为 DISCRET TRANSP。在本模拟中,对于盐度水平对流和垂直对流,采用中心差分格式进行离散,而非采用迎风格式(NONE)。

此外,为了表现非静压模拟与静压模拟的差异,我制作了两套参数文件,分别是 lock.sws 和 locksta.sws。两者间的主要区别就是 lock.sws 包含了 NONHYDrostatic 这一指令,而 locksta.sws 中不包含这个指令。当不包含 NONHYDrostatic 指令时,模型进行静压模拟计算。

模型输出

BLOCK 'COMPGRID' NOHEAD 'lock01.mat' LAY 3 XP ZK TSEC SEDK VELK OUTPUT 000000.000 1 SEC

模型的输出文件采用 .mat 格式,输出数据包含各网格x坐标值、各σ层的厚度、时间、泥沙浓度场和流速场。第一个输出数据对应了 000000.000 时刻,之后每隔1.0s输出一组数据。

**注:**对于参数文件 locksta.sws ,输出文件的名称为 lock02.mat。

计算时间

COMPUTE 000000.000 0.001 SEC 000030.000

设置模拟时间为30s;计算的时间步长 Δt = 0.0005 s。

模拟结果

将参数文件 lock.sws、locksta.sws,以及数据文件 lock.bot、lock.sal 复制到swash.exe的同一目录下。并在这个目录下,用swashrun分别运行 lock 和 locksta。

运行完成后,得到 lock01.mat 和 lock02.mat。
通过脚本mkplot_LE.m 将结果数据绘制成云图。matlab脚本文件也在压缩包中。得到云图如下所示。

  1. t = 5.0 s
    在这里插入图片描述
  2. t = 10.0 s
    在这里插入图片描述
  3. t = 15.0 s
    在这里插入图片描述
    上述结果展现了在重力流模拟中,非静压模拟和静压模拟的显著差异。静压模拟无法捕捉不同密度流体间的界面涡结构。

  1. https://doi.org/10.1016/j.coastaleng.2011.05.015 ↩︎

  2. https://doi.org/10.1016/j.compfluid.2020.104751 ↩︎

  3. https://doi.org/10.1002/fld.595 ↩︎

  4. https://doi.org/10.1016/j.ocemod.2006.03.006 ↩︎

  5. https://doi.org/10.1029/2009JC005525 ↩︎

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/484855.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Centos系统安装RabbitMQ消息中间件

记录一下在centos7.x下面安装RabbitMQ消息中间件 RabbitMQ是一个开源而且遵循 AMQP协议实现的基于 Erlang语言编写,因此安装RabbitMQ之前是需要部署安装Erlang环境的 先安装Erlang https://packagecloud.io/rabbitmq/ 点进去可以看到 因为使用的centos是7.x版本的…

内网渗透(六十二)之 NTLM Realy 攻击

NTLM Realy 攻击 NTLM Realy 攻击其实应该称为Net-NTLM Realy 攻击,它发生在NTLM认证的第三步,在Response 消息中存在Net-NTLM Hash,当攻击者获得了 Net-NTLM Hash 后,可以重放Net-NTLM Hash 进行中间人攻击。 NTLM Realy 流程如图所示,攻击者作为中间人在客户端和服务器…

asp.net基于web的音乐管理网站dzkf17A9程序

本系统主要包含了等系统用户管理、公告信息管理、音乐资讯管理、音乐类型管理多个功能模块。下面分别简单阐述一下这几个功能模块需求。 管理员的登录模块:管理员登录系统对本系统其他管理模块进行管理。 用户的登录模块:用户登录本系统,对个…

如何免费使用ChatGPT进行学术润色?你需要这些指令...

目录 1 ChatGPT4.0上线2 中科院ChatGPT学术版3 学术润色Prompts 1 ChatGPT4.0上线 2023年3月14日,OpenAI发布ChatGPT4.0。ChatGPT4.0比3.5更大,拥有更多的参数。这意味着它可以更好地捕捉和理解语言的复杂性和细微差别,而且ChatGPT4.0是多模…

【五一创作】《嵌入式系统》知识总结6:GPIO的结构和功能

GPIO的结构和功能 1.STM32提供通用的输入输出引脚(GPIO) • 输出高低电平控制外设 • 输入0、1检测外设状态 2.可配置为复用的输入输出引脚(AFIO) • 大多数GPIO都有默认的复用功能: 可作为片上外设(如…

基于MobileNet的人脸表情识别系统(MATLAB GUI版+原理详解)

摘要:本篇博客介绍了基于MobileNet的人脸表情识别系统,支持图片识别、视频识别、摄像头识别等多种形式,通过GUI界面实现表情识别可视化展示。首先介绍了表情识别任务的背景与意义,总结近年来利用深度学习进行表情识别的相关技术和…

android基础知识

架构: 应用框架层(Java API Framework)所提供的主要组件: 名称功能描述Activity Manager(活动管理器)管理各个应用程序生命周期,以及常用的导航回退功能Location Manager(位置管理器…

智能是逻辑吗?

智能是指人或机器能够理解、学习、推理、解决问题和适应环境的能力。而逻辑是一种推理方式,它是智能中的一部分,帮助我们正确地推理和理解信息。逻辑能够提高我们的思考能力、解决问题的能力和决策能力,但智能还包括其他方面,如感…

数据结构课程——第一次作业

T1:Gram_ham实现凸包算法&#xff1a; &#xff08;1&#xff09;思路&#xff1a; &#xff08;2&#xff09;代码&#xff1a; #include<iostream> #include<string> #include<vector> #include<algorithm> #include<stack>using namespace …

存储网络架构——DAS、NAS、SAN、分布式组网架构

目录 DAS直连式存储 NAS网络附加存储 SAN存储 存储区域网络 分布式存储组网 DAS直连式存储 DAS遇到的挑战 NAS网络附加存储 向主机提供文件服务&#xff1b;文件系统由存储设备维护&#xff0c;用户访问文件系统&#xff0c;不直接访问底层存储 拥有所有主机上文件与底层存储空…

图像复原与重建

文章目录 一、实验目的二、实验内容1. 噪声图像及其直方图。2. 空间噪声滤波器。3. 逆滤波。 一、实验目的 了解一些常用随机噪声的生成方法。掌握根据指定退化函数对图像进行退化的方法。掌握当模糊图像只存在噪声时的几种滤波复原方法。掌握当模糊图像同时存在线性退化和噪声…

OpenCV C++案例实战三十一《动态时钟》

OpenCV C案例实战三十一《动态时钟》 前言一、绘制表盘二、绘制刻线三、获取系统时间四、结果展示五、源码总结 前言 本案例将使用OpenCV C实现动态时钟效果。原理也很简单&#xff0c;主要分为绘制表盘、以及获取系统时间两步。 一、绘制表盘 首先为了效果显示美观一点&…

数据驱动测试、结果报告生成,Python接口自动化测试全方位解析

B站首推&#xff01;2023最详细自动化测试合集&#xff0c;小白皆可掌握&#xff0c;让测试变得简单、快捷、可靠https://www.bilibili.com/video/BV1ua4y1V7Db 目录 一、背景 二、准备工作 三、编写测试脚本 四、数据驱动测试 五、结果报告生成 六、总结 七、参考链接 …

线性表,顺序表,链表

线性表 线性表&#xff08;linear list&#xff09;是n个具有相同特性的数据元素的有限序列 线性表是一种在实际中广泛使 用的数据结构&#xff0c;常见的线性表&#xff1a;顺序表、链表、栈、队列、字符串... 线性表在逻辑上是线性结构&#xff0c;也就说是连续的一条直线 …

阿里云对象存储OSS使用 HTTPS访问

阿里云对象存储OSS使用 HTTPS ​ 在部署项目的时候遇到了一个问题&#xff0c;就是https页面访问http资源报错的问题。 问题&#xff1a; 写了一个前端项目在云服务器部署&#xff0c;我的域名申请了ssl证书并在云服务器nginx部署&#xff0c;所以页面是https页面&#xff0c;但…

Ansible的脚本-playbook 剧本

目录 1.剧本&#xff08;playbook&#xff09; 1.playbook介绍 2. playbooks 的组成 3.案例&#xff1a;编写httpd的playbook 4.定义、引用变量 5.指定远程主机sudo切换用户 6.when条件判断 7.迭代 2.playbook的模块 1.Templates 模块 2.tags 模块 3.Roles 模块 1.…

TCP协议——这篇文章GET全

TCP协议文章目录 1. UDP和TCP协议的比较1.1 UDP协议1.2 TCP协议1.3 特点比较 2. TCP协议建立连接的三次握手3. TCP协议断开连接的四次挥手4. TCP协议的几个特性4.1 确认应答4.2 超时重传4.3 连接管理4.4 滑动窗口4.5 流量控制4.6 拥塞控制 1. UDP和TCP协议的比较 UDP和TCP作为…

多维时序 | MATLAB实现BP神经网络多变量时间序列预测(考虑历史特征的影响,多指标、多图输出)

多维时序 | MATLAB实现BP神经网络多变量时间序列预测(考虑历史特征的影响,多指标、多图输出) 目录 多维时序 | MATLAB实现BP神经网络多变量时间序列预测(考虑历史特征的影响,多指标、多图输出)预测效果基本介绍程序设计学习总结参考资料预测效果 基本介绍 MATLAB实现BP神经网…

Java中的Reflection(反射)、暴力反射

文章目录 1. 反射(Reflection)的概念1.1 反射的出现背景1.2 反射概述1.3 Java反射机制研究及应用1.4 反射相关的主要API1.5 反射的优缺点 2. Class类并获取Class实例2.1 理解Class2.1.1 理论上2.1.2 内存结构上 2.2 获取Class类的实例(四种方法)2.3 哪些类型可以有Class对象2.4…

Windows安装rabbitmq

Windows安装rabbitmq 一、下载1、下载erlang2、下载rabbitmq 二、安装1、安装erlang2、安装rabbitmq3、简单使用 一、下载 1、下载erlang 点击右侧下载地址&#xff0c;跳转下载&#xff0c;点击下载 跳转后&#xff0c;点击download windows install即可下载。 2、下载rab…