Discrete Simulations of Fluid‐Driven Transport of Naturally Shaped Sediment Particles
Notice bibliographique
Résumé
Abstract The particles in natural bedload transport processes are usually aspherical and span a range of shapes and sizes, which is challenging to be represented in numerical simulations. We assemble existing numerical methods to simulate the transport of natural gravel (NG). Starting with computerized tomographic scans of natural grains, our method approximates the shapes of these grains by “gluing” spheres (SP) of different sizes together with overlaps. The conglomerated SP move using a Discrete Element Method which is coupled with a Lattice Boltzmann Method fluid solver, forming the first complete workflow from particle shape measurement to high‐resolution simulations with hundreds of distinct shapes. The simulations are quantitatively benchmarked by flume experiments. Beyond the flume, in a more generalized wide wall‐free geometry, the numerical tool is used to further test a recently proposed modified sediment transport relation, which takes particle shape effects into account, including the competition between hydrodynamic drag and material friction. Unlike a physical experiment, our simulations allow us to vary the hydrodynamic drag coefficient of the NG independently of the material friction. The results support the modified sediment transport relation. The simulations also provide insights into particle‐level kinematics, such as particle orientations. Though particles below the bed surface prefer to orient with their shortest axes perpendicular to the bed surface, with a decaying tendency with an increasing height above the bed surface, the orientational preferences in transport processes are much weaker than those in settling processes. NG rotates relatively freely during bedload transport.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».