Investigation of Numerical Modelling Techniques for Predicting Highly Nonlinear Extreme Waves in Shallow and Deep Water
Notice bibliographique
Résumé
This paper aims to investigate the accuracy and computational efficiency of three CFD-based numerical codes to accurately simulate extremely large regular and irregular waves of different steepness in deep and shallow water conditions. The work assesses the performance of three numerical techniques with different formulations of the fluid dynamic equations. Firstly, an open-sourced smoothed particle hydrodynamics (SPH) code; secondly, a finite difference method (FDM) based 3D numerical model with the assumption of inviscid and incompressible fluid flow; and thirdly, a commercial CFD code that uses a finite volume method (FVM) to solve the Reynolds-averaged Navier-Stokes (RANS) equations. A suite of metrics and methodologies, considering three key performance parameters: accuracy, computational requirements and available features for providing a consistent framework for the quantitative assessment of different techniques, has been presented. Numerically simulated free surface elevations, wave periods, and spectrum (for irregular waves only) are compared with experimental data previously acquired at an Offshore Engineering Basin (OEB) facility. Extensive convergence studies were carried out for each numerical tool for a selected large wave before predictions were model for all waves. All three models reproduced waves with an accuracy comparable to physical wave makers in the wave basin experiments for the deep-water regular and irregular waves; however, the SPH model performed better than the other two models for the shallow water waves. The challenge remains for wave basins to reduce unwanted basin effects and numerical facilities to accurately model waves with proper account for boundary effects and numerical diffusions. In addition, only flat-bottom domains were considered in the investigation, leaving the wave modelling for uneven bottom for future studies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».