تخمین سرعت جریان با استفاده از تئوری آنتروپی و صحت سنجی با نتایج فلوم‌های آزمایشگاهی و داده‌های رودخانه‌های طبیعی

تخمین توزیع سرعت یکی از مسائل مورد توجه در بررسی دینامیک آب در دریا و رودخانه است. در این مطالعه، با استفاده از تئوری آنتروپی و به‌کارگیری تابع توزیع تجمعی ارائه شده، در ابتدا معادله‌های ارائه‌شده اثبات شده و درنهایت صحت‌سنجی این روش پیشنهادی با داده‌های آزمایشگاهی و رودخانه‌ای انجام شده است. تئوری آنتروپی با ترکیب با توابع توزیع تجمعی می‌تواند به‌خوبی به بررسی روابط متقابل پدیده‌های فیزیکی که دارای یک بیشینه منحصربه‌فردند، بپردازد. این تئوری از یک اصل کلی برای معادله بقای آنتروپی، که همانا بیشینه شدن آنتروپی در تمامی شرایط برای پایدار شدن سیستم‌های ترمودینامیکی است، استفاده می‌کند. به‌علاوه، با در نظر گرفتن سرعت به‌عنوان یک متغیر تصادفی به ارائه تابعی برای تخمین توزیع سرعت در فضای یک‌بعدی و دوبعدی (i∈r^2,r ) می‌انجامد. ترکیب تئوری آنتروپی شاخص عمومی در این تحقیق استفاده شده و با تابع توزیع تجمعی ارائه‌شده در این تحقیق ترکیب شده است. مقایسه روش پیشنهادی با روش‌های موجود تخمین توزیع سرعت نشان می‌دهد که روش ارائه‌شده در این تحقیق حساسیت کمتر و انعطاف‌پذیری بیش‌تری با پارامترها داشته و دقت قابل‌توجهی دارد. این روش برای تمامی حالت‌هایی که بیشینه‌ سرعت روی سطح و زیر سطح باشد، قابل استفاده است.

Estimation of Flow Velocity Using Entropy Theory and Verification by Experimental Flume and Natural Rivers Data

Estimation of velocity distribution is one of the noteworthy challenges of water dynamics in seas and rivers. In this study, employing entropy theory and utilizing the proposed Cumulative Distribution Function (CDF), firstly, the proposed framework is proved and finally verified by experimental flume and natural rivers data. Entropy theory integrated with CDF can investigate the interrelations of physical phenomena which have a unique maximum, properly. This theory uses a global principle to conserve entropy, which is the maximization of entropy in any condition to stabilize thermodynamics systems. Furthermore, assuming velocity as a random variable leads to propose a function to estimate velocity distribution as 2D and 3D (). General Index Entropy (GIE) is used in this study and combined with proposed CDF. Comparing the proposed framework with previous methods shows that the proposed method has less sensitivity and more flexibility in estimation of parameters and significant accuracy to estimate velocity distribution. This method is applicable for maximum flow occurrence on and below the water surface.