Debris Flows, Boulders and Constrictions: A Simple Framework for Modeling Jamming, and Its Consequences on Outflow
Notice bibliographique
Résumé
Abstract Large boulders can jam in constrictions, both in canyons and man‐made structures (e.g., slit‐dams). Boulder jamming occurs stochastically, and partially governs the outflow rate of debris flow material. Explicit hydro‐mechanical models of boulder‐laden flows are too computationally demanding to study this stochasticity. This study presents a new framework implemented into a numerical program. This program encapsulates basic hydraulic equations and criteria predicting boulder blockage at narrow sections, along with a simple statistical way to compute boulder sizes and numbers. The program applies empirical estimates by experts of the average number of boulders in a deposit to evaluate how equivalent multi‐phase flows would interact with a constriction. The model stochastically generates boulders that can obstruct the constriction(s). The program outputs simple descriptions of the upstream flow level over time, as well as the downstream outlet discharge rate and volume. The model is fast (5–30 s per run), allowing uncertainty propagation analyses of interactions between flows, boulders and constrictions. Interaction between both low‐ and high‐risk flows can be quickly evaluated for different scenarios. For uncertainty propagation, we use possibility theory, which accommodates uncertainties relevant to debris flows. The framework gives practitioners a much‐needed generalized approach for understanding the long‐term behavior of boulder‐laden flows through canyons, or for designing engineered structures. Finally, we apply the model to a field case – the design of a proposed North American slit‐dam – thence elucidating the design requirements for effective flow control. We found that horizontal bars are necessary for dependably controlling outflow from this structure.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».