Title: | Comparative assessment of a mountain river flow resistance – 1D-: sensitivity and prediction using data-based approaches |
Authors: | Cedillo Galarza, Juan Sebastián |
metadata.dc.contributor.advisor: | Alvarado Martínez, Andrés Omar |
metadata.dc.ucuenca.correspondencia: | sebastiancedillo@gmail.com |
metadata.dc.subject.other: | Hidráulica |
Keywords: | Ingeniería Civil Ríos Montañas Resistencia Flujo de agua |
metadata.dc.audience.educationLevel: | Tesis de Doctorado (PhD) en Recursos Hídricos |
metadata.dc.ucuenca.areaconocimientounescoamplio: | 25 Ciencias de la Tierra y del Espacio |
metadata.dc.ucuenca.areaconocimientounescodetallado: | 3305.15 Ingeniería Hidráulica |
metadata.dc.ucuenca.areaconocimientounescoespecifico: | 2508 Hidrología |
Issue Date: | 21-Nov-2022 |
metadata.dc.format.extent: | 114 páginas |
Publisher: | Universidad de Cuenca |
metadata.dc.description.city: | Cuenca |
Series/Report no.: | TPHD;19 |
metadata.dc.type: | doctoralThesis |
Abstract: | Mountain -rivers are, by far, the most challenging case to model because of its bed characteristics and their energy
dissipation mechanisms depending on its irregular morphology. Resistance, roughness, or friction parameter are
equivalent terms. It plays an important role in 1-D open channel models to estimate different variables. Moreover,
this parameter contains all the dissipative processes in a mountain river, and it is usually valued through field
measurements, existing different methodologies to estimate it. Consequently, it is essential to determine which
methodology is the most adequate to predict it. The resistance parameter determined in field is not always the
same as the one used in a hydrodynamic model. In this thesis; cascades, plane bed, and step-pool has been studied
in the Quinuas river (Ecuador). “Non-dimensional hydraulic geometry equations” (NDHG) were the best option
to predict velocity in all the mountain river reaches. The parameters of NDHG varies depending on the author,
therefore a methodology based on some field measurements to estimate the NDHG parameters was developed.
The differences between model and field resistance coefficient depends on the morphology and flow magnitude.
A machine learning technique using the system physics was develop providing optimal results to predict water
depths and to calibrate resistance parameter. |
Description: | Los ríos de montaña son, con distancia, el caso más difícil de modelación hidráulica debido a las características
de su lecho y sus mecanismos de disipación de energía en función de su morfología irregular. La resistencia,
llamada también rugosidad o fricción juega un papel importante en los modelos de canal abierto 1-D para estimar
diferentes variables. El parámetro de resistencia contiene todos los procesos disipativos en un río de montaña y
suele valorarse mediante mediciones de campo, existiendo diferentes metodologías para estimarlo. En
consecuencia, es fundamental determinar qué metodología es la más adecuada para predecirla. El parámetro de
resistencia determinado en campo no siempre es el mismo que el utilizado en un modelo hidrodinámico. En la
presente investigación diferentes morfologías han sido estudiadas en el río Quinuas (Ecuador): grada, lecho plano,
y cascada. Los resultados muestran que las ecuaciones denominadas “Non-dimensional hydraulic geometry
equations” (NDHG) son la mejor opción para predecir la velocidad en todos los tramos de ríos de montaña, además
se ha desarrollado una metodología para encontrar sus parámetros. Las diferencias entre la rugosidad usada por el
modelo matemático y la medida en campo dependen de la morfología y la magnitud de flujo. Finalmente, se
implementó la técnica de “machine learning” que utiliza la física del sistema (Physics Informed Neural Network), con resultados satisfactorios para encontrar los niveles de agua y para la calibración del parámetro de resistencia. |
metadata.dc.description.degree: | Doctor (PhD) en Recursos Hídricos |
URI: | http://dspace.ucuenca.edu.ec/handle/123456789/40283 |
Appears in Collections: | Tesis Doctoral/PHD
|