Double Layer–Averaged Model of River Ice–Water Mixture Flow
Notice bibliographique
Résumé
River ice–water mixture flows are commonly occurring natural phenomena that have the potential to cause serious hazards. To date, however, the interactive processes between ice and water have remained poorly understood. Existing mathematical models of river ice–water mixture flows are physically simplified because they do not fully account for the effect of ice. Here, a double layer–averaged model is proposed to facilitate a refined simulation of river ice–water mixture flows, which are often characterized by a vertical double-layer structure composed of an upper ice–water mixture flow layer and a lower clear-water flow layer immediately above the riverbed. Two hyperbolic systems of governing equations for the two layers are derived from mass and momentum conservation laws and numerically solved separately (and synchronously) using a finite-volume slope limited centered scheme. Interlayer interactions are negligible compared with inertia and gravity effects. Hence, the model achieves a satisfactory balance between flux gradients and bed and interface slope source terms, and so is applicable to ice–water flows over irregular topography. The model is first benchmarked against a hypothetical ice jam release event and then applied to an actual ice jam release event that occurred in the Athabasca River, Canada, in 2002. It is demonstrated that the model satisfactorily resolves the processes driving river ice–water mixture flows. The paper presents a promising future framework for river ice–water mixture flow modeling by practitioners.
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 ».