An adaptive mesh refinement algorithm for shallow water equations is presented. The algorithm uses upwind scheme that is Godunov type and which approximately solves the Riemann problem using Roe's technique. A highly accurate solution is achieved by using the adaptive mesh refinement technique of Berger and Oliger for mesh refinement algorithm. The numerical method is second-order accurate and approximately max-min preserving by using van Leer limited-slope technique. One-dimensional nesting algorithm has been implemented successfully. Numerical results on a test problem verify the second order accuracy of the algorithm. The nested grid results yield the equivalent solution to that of the corresponding fine grid solution.

No description available.

Fundação de Amparo a Pesquisa do Estado de Minas Gerais / Esta dissertação é parte de um amplo projeto de pesquisa, que visa ao desenvolvimento de uma plataforma computacional de dinâmica dos fluidos (CFD) capaz de simular a física de escoamentos que envolvem mistura de várias espécies químicas, com reação e combustão, utilizando um método hibrido Simulação de Grandes Escalas (LES) / Função Densidade Filtrada (FDF) Lagrangiana em malha adaptativa, bloco-estruturada. Uma vez que escoamentos com mistura proporcionam fenômenos que podem ser correlacionados com a combustão em escoamentos turbulentos, uma visão global da fenomenologia de mistura foi apresentada e escoamentos fechados, laminar e turbulento, que envolvem mistura de duas espécies químicas inicialmente segregadas foram simulados utilizando o código de desenvolvimento interno AMR3D e o código recentemente desenvolvido FDF Lagrangiana de composição. A primeira etapa deste trabalho consistiu na criação de um modelo computacional de partículas estocásticas em ambiente de processamento distribuído. Isto foi alcançado com a construção de um mapa Lagrangiano paralelo, que pode gerenciar diferentes tipos de elementos lagrangianos, incluindo partículas estocásticas, particulados, sensores e nós computacionais intrínsecos dos métodos Fronteira Imersa e Acompanhamento de Interface. O mapa conecta informações Lagrangianas com a plataforma Euleriana do código AMR3D, no qual equações de trans- porte são resolvidas. O método FDF Lagrangiana de composição realiza cálculos algébricos sobre partículas estocásticas e provê campos de composição estatisticamente equivalentes aos obtidos quando se utiliza o método de Diferenças Finitas para solução de equações diferenciais parciais; a técnica de Monte Carlo foi utilizada para resolver um sistema derivado de equações diferenciais estocásticas (SDE). Os resultados concordaram com os benchmarks, que são simulações baseadas em plataforma de Diferenças Finitas para solução de uma equação de transporte de composição filtrada. / This master thesis is part of a wide research project, which aims at developing a com- putational fluid dynamics (CFD) framework able to simulate the physics of multiple-species mixing flows, with chemical reaction and combustion, using a hybrid Large Eddy Simulation (LES) / Lagrangian Filtered Density Function (FDF) method on adaptive, block-structured mesh. Since mixing flows provide phenomena that may be correlated with combustion in turbulent flows, we expose an overview of mixing phenomenology and simulated enclosed, ini- tially segregated two-species mixing flows, at laminar and turbulent states, using the in-house built AMR3D and the developed Lagrangian composition FDF codes. The first step towards this objective consisted of building a computational model of notional particles transport on distributed processing environment. We achieved it constructing a parallel Lagrangian map, which can hold different types of Lagrangian elements, including notional particles, particu- lates, sensors and computational nodes intrinsic to Immersed Boundary and Front Tracking methods. The map connects Lagrangian information with the Eulerian framework of the AMR3D code, in which transport equations are solved. The Lagrangian composition FDF method performs algebraic calculations over an ensemble of notional particles and provides composition fields statistically equivalent to those obtained by Finite Differences numerical solution of partially differential equations (PDE); we applied the Monte Carlo technique to solve a derived system of stochastic differential equations (SDE). The results agreed with the benchmarks, which are simulations based on Finite Differences framework to solve a filtered composition transport equation. / Mestre em Engenharia Mecânica