Flow resistance equations without explicit estimation of the resistance coefficient for coarse-grained rivers

Alonso, Raúl López; Barragán, J.; Colomer, M. Angels

doi:10.1016/j.jhydrol.2007.02.027

Cited by 28 publications

(50 citation statements)

References 29 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Ghani et al, 2007, porém uma das dificuldades da aplicação da equação de Manning é justamente a definição do valor do coeficiente de rugosidade do rio ou canal (Yépez et al, 2000); este pode ser determinado por valores médios observados em campo (Azmon, 1992;Martoni & Lessa, 1999b;Julien et al, 2002;Vieira & Silva, 2004;Ab. Ghani et al, 2007;López et al, 2007) ou em experimentos de laboratório (Almeida Neto et al, 2000;Wong & Lim, 2006;Lyra et al, 2007). Em geral, os condutos sob pressão são circulares, com poucos tipos de rugosidade, ao passo que nos canais as formas variam de circulares a irregulares (cursos d'água naturais), sendo a determinação dos coeficientes de rugosidade fator que influencia nas fórmulas de cálculo da vazão mais complexas (Neves, 1989).…”

Section: Introductionunclassified

“…No Brasil, Martoni & Lessa (1999b) ajustaram valores de n para trechos do rio Paraná. O coeficiente de rugosidade para os maiores rios da Venezuela foi estimado por Yépez et al (2000), enquanto López et al (2007) avaliaram n para diversos rios com leito de cascalho e córregos de montanha em diversas regiões do mundo e Ab. Ghani et al (2007) para rios com leitos arenosos da Malásia.…”

Section: Introductionunclassified

See 1 more Smart Citation

Coeficiente de rugosidade de Manning para o rio Paracatu

Lyra¹,

Cecílio

Zanetti

et al. 2010

Rev. bras. eng. agríc. ambient.

View full text Add to dashboard Cite

RESUMOPela teoria do escoamento em canais abertos, o coeficiente de rugosidade de Manning é um dos principais parâmetros para descrição da vazão sobre uma superfície. Uma das dificuldades da aplicação da equação de Manning é a definição do seu coeficiente de rugosidade em rios e canais, razão pela qual o presente estudo tem como objetivo, estimar o coeficiente de rugosidade de Manning para os períodos de vazão mínima e máxima média mensal, em alguns trechos do rio Paracatu, e propor um modelo baseado em redes neurais artificiais para estimar o coeficiente de rugosidade. O coeficiente foi determinado em função das características geométricas do canal (área molhada, raio hidráulico e declividade do canal) e das séries de vazão de seis postos fluviométricos do rio Paracatu. Utilizaram-se séries de vazão de 21 anos . O coeficiente de rugosidade não apresenta tendência (maior ou menor) em função apenas do período seco ou de cheia. As características da margem e do leito do rio influenciam diretamente nos valores de coeficiente de rugosidade. O modelo baseado em rede neural apresentou desempenho satisfatório, o que possibilita estimar o coeficiente de rugosidade em função da cota, vazão, declividade e do raio hidráulico do rio. Palavras-chave: vazão, condutos livres, redes neurais artificiaisManning roughness coefficient for Paracatu river, Brazil ABSTRACTAccording to open channel draining theory, the Manning's roughness coefficient is one of most important parameters to describe surface flow. One of the difficulties in applications of Manning's equation is the definition of its roughness coefficient in rivers and channels. Thus, the aims of this paper are to estimate the Manning's roughness coefficient for the periods of minimum and maximum mean monthly flow in some parts of Paracatu river and to propose a model based on artificial neural networks to estimate the roughness coefficient. The coefficient was determined in function of channel geometrical characteristics (wetted area, hydraulic radius and slope of the channel) and of the outflow series of six fluviometric stations of Paracatu river. Long-term series of 21 years (1976 -1996) of outflow were used. The roughness coefficient does not show any tendency (up or down)as a function of the dry or overflow periods only. The characteristics of margin and watercourse of river influenced directly the roughness coefficient data. The model based on neural network showed satisfactory performance, which allow us to estimate the roughness coefficient as a function of the quota, slope and hydraulic radius of the river.

show abstract

Section: Introductionunclassified

Coeficiente de rugosidade de Manning para o rio Paracatu

Lyra¹,

Cecílio

Zanetti

et al. 2010

Rev. bras. eng. agríc. ambient.

View full text Add to dashboard Cite

show abstract

“…Before multiple regression analysis is performed, the models are transformed into their logarithmic forms. Then the coefficients and exponents in the models are derived by the least square procedure, which has the advantage of minimizing the errors of the data set, especially those with large magnitude (López et al, 2007). The statistical parameters are calculated using the antilogarithmic version of the value derived from the multiple regressions.…”

Section: Proposed Modelsmentioning

confidence: 99%

“…Investigations on flow resistance have survived for more than a century (Manning, 1891;Keulegan, 1938;Vanoni, 1941Vanoni, , 1946Vanoni and Brooks, 1957;Qian et al, 1959;Peterson and Mohanty, 1960;Simons and Richardson, 1960;Vanoni and Nomicos, 1960;Simons et al, 1963;Qian and Zhou, 1965;Rouse, 1965;Golubtsov, 1969;Limerinos, 1970;Judd and Peterson, 1969;Bathurst, 1978Bathurst, , 1985Bathurst, , 2002Bray, 1979;Hey, 1979;Davis and Sutherland, 1980;Griffiths, 1981;Jarret, 1984;Aguirre-Pe and Fuentes, 1990;Bennett, 1995;Dingman and Sharma, 1997;Nikora et al, 1998;Lee and Ferguson, 2002;Ferro, 2003;Ferguson, 2007Ferguson, , 2010López et al, 2007;Recking et al, 2008;Reid and Hickin, 2008;Comiti et al, 2009;David et al, 2010;Robert, 2011;Ferreira et al, 2012;Nitsche et al, 2012;Schneider et al, 2015). Among these studies, the methods used for quantifying flow resistance can be generally categorized into two major groups: (i) a characteristic particle size approach (or a semiempirical approach) …”

Section: Introductionmentioning

confidence: 99%

Controls of channel morphology and sediment concentration on flow resistance in a large sand-bed river: A case study of the lower Yellow River

Huang

2016

Geomorphology

View full text Add to dashboard Cite

Accurate estimation of flow resistance is crucial for flood routing, flow discharge and velocity estimation, and engineering design. Various empirical and semiempirical flow resistance models have been developed during the past century; however, a universal flow resistance model for varying types of rivers has remained difficult to be achieved to date. In this study, hydrometric data sets from six stations in the lower Yellow River during 1958-1959 are used to calibrate three empirical flow resistance models (Eqs. (5)- (7)) and evaluate their predictability. A group of statistical measures have been used to evaluate the goodness of fit of these models, including root mean square error (RMSE), coefficient of determination (CD), the Nash coefficient (NA), mean relative error (MRE), mean symmetry error (MSE), percentage of data with a relative error ≤ 50% and 25% (P 50 , P 25 ), and percentage of data with overestimated error (POE). Three model selection criterions are also employed to assess the model predictability: Akaike information criterion (AIC), Bayesian information criterion (BIC), and a modified model selection criterion (MSC). The results show that mean flow depth (d) and water surface slope (S) can only explain a small proportion of variance in flow resistance. When channel width (w) and suspended sediment concentration (SSC) are involved, the new model (7) achieves a better performance than the previous ones. The MRE of model (7) is generally b 20%, which is apparently better than that reported by previous studies. This model is validated using the data sets from the corresponding stations during [1965][1966], and the results show larger uncertainties than the calibrating model. This probably resulted from the temporal shift of dominant controls caused by channel change resulting from varying flow regime. With the advancements of earth observation techniques, information about channel width, mean flow depth, and suspended sediment concentration can be effectively extracted from multisource satellite images. We expect that the empirical methods developed in this study can be used as an effective surrogate in estimation of flow resistance in the large sand-bed rivers like the lower Yellow River.

show abstract

“…El segundo modelo se basa en la suposición de que el coeficiente de resistencia al flujo puede correlacionarse con la geometría de la sección mojada y la pendiente, por lo que no es necesaria una estimación explícita de dicho coeficiente de resistencia. La ecuación escogida para representar este enfoque se ajustó a la misma base de datos que la empleada en el presente artículo (López et al, 2007)…”

Section: Evaluación De Modelosunclassified

Predicción de la velocidad media del flujo en ríos de montaña

2008

View full text Add to dashboard Cite

Resumen: En ríos con lecho constituido por material grueso heterométrico y flujo de baja sumersión relativa resulta difícil definir y medir variables relacionadas con la geometría de la sección transversal del cauce. En este artículo se ha calibrado, validado y comparado un modelo que permite relacionar el caudal de la corriente y su velocidad media sin incluir variables relativas a la geometría de la sección. Se seleccionó para ello un conjunto de 904 datos pertenecientes a más de 400 tramos de diferentes ríos con lecho granular de tamaño grava, canto o bolo. Se ha logrado un mejor ajuste cuanto mayor es el percentil granulométrico con el que se expresa el tamaño característico del sedimento. La capacidad explicativa del modelo ajustado es equiparable a la de la ecuación logarítmica tipo Keulegan y superior a la de la ecuación que no requiere una estimación explícita del coeficiente de resistencia al flujo. El ajuste segmentado del modelo estudiado, tomando como criterio de corte un valor de la pendiente del lecho del 8, supone una mejora de la bondad de ajuste para ambos subconjuntos en torno al 7 %. INTRODUCCIÓN Y OBJETIVOSGeneralmente, la predicción de la velocidad media (V ) y de la resistencia al flujo en cauces de lámina libre requiere la intervención de variables referidas a la geometría de la sección transversal del cauce. Sin embargo, en ríos de fuerte pendiente y material grueso heterométri-co, en los que predominan condiciones de baja sumersión relativa, la selección de secciones transversales representativas y la medida o aun la definición de variables como el ancho superficial (T ), el perímetro mojado (P ) o elárea de la sección transversal (A) se ve dificultada por la complejidad e irregularidad morfológica de esta clase de cauces. En este contexto se ha planteado la utilidad de relacionar la velocidad media del flujo y el caudal (Q) de la corriente mediante ecuaciones empíricas que sólo incorporen variables explicativas cuya definición y medición en ríos de montaña sea más sencilla.Las aproximaciones existentes se relacionan con los conceptos de régimen y de Geometría Hidráulica, en los que suele establecerse una relación potencial del tipo V = cQ m (siendo c y m los parámetros de ajuste). Dicha relación es aplicable tanto para cambios del caudal en una misma sección del cauce como para diferentes secciones a lo largo del cauce fijado un determinado periodo de retorno del caudal. No obstante, para que este tipo de ecuaciones puedan aplicarse de forma más global (es decir, sin las restricciones de sección y periodo de retorno expuestas y a equivalencia de ecuaciones de resistencia al flujo como la de Manning o la de Darcy-Weisbach), diferentes autores han incluido de forma multiplicativa variables como S y el tamaño característico del sedimento (d i , donde i es el porcentaje de sedimento que tiene un tamaño inferior).Por ejemplo, Ruf (1988) ajustó el modelo (V /S 0,5 ) = c(Q/d 70 ) p (siendo c y p los paráme-tros de ajuste) a un conjunto de 30 datos (Tabla 1) resultado de mediciones de velocidad...

show abstract

Flow resistance equations without explicit estimation of the resistance coefficient for coarse-grained rivers

Cited by 28 publications

References 29 publications

Coeficiente de rugosidade de Manning para o rio Paracatu

Coeficiente de rugosidade de Manning para o rio Paracatu

Controls of channel morphology and sediment concentration on flow resistance in a large sand-bed river: A case study of the lower Yellow River

Predicción de la velocidad media del flujo en ríos de montaña

Contact Info

Product

Resources

About