Digital twinning of a flood control structure using an open-source software (OpenFOAM)
Notice bibliographique
Résumé
Understanding the dynamics of water flow around hydraulic structures is vital for safety, operation and optimization. The use of Computational Fluid Dynamics (CFD) in design and assessment of hydraulic structures has become popular. However, for efficient use of CFD models, it’s crucial to focus on key aspects of the model setup such as mesh, turbulence models, numerical methods, and boundary conditions. This study investigates the capabilities of an open-source CFD Toolbox, OpenFOAM, in simulating the hydrodynamics of water flow through the flood diversion structure of the Springbank Off-stream Reservoir. The Springbank Off-stream Reservoir was designed for the management of extreme flood risk. The design was previously evaluated through a series physical experiment at National Research Council Canada and the performance of the structure was examined in various condition. By creating a digital twin of the physical model with OpenFOAM, we examined the model’s performance in replicating measured water levels and velocity. The validated digital twin showed an average error of less than 5% between the model predictions and experimental data for water levels. The results provide insights into the best practices for employing OpenFOAM to assess the hydraulic behavior of flood diversion structures with characteristics similar to the Springbank Off-stream Reservoir. The findings also demonstrate that OpenFOAM can be a reliable and efficient tool for evaluating and optimizing new designs. Moreover, the tool can be utilized for the digital twinning of existing hydraulic structures, thereby informing operational needs, facilitating structural safety assessments, and enabling climate risk assessments and adaptation planning.
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 | 0,001 |
| 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 ».