近年來，航運業的迅速發展導致在國家內陸水道中運營的大型高噸位船舶數量大幅增加。這些船舶在淺水或受限水道中運行時，螺旋槳射流對河床的沖刷作用對港口、航道和近岸工程結構的完整性構成了嚴重威脅（Rodrigue, 2020）。在低速靠泊或離港時，由于水深較淺，螺旋槳經常接近河床。這種近距離接觸會引發射流驅動的沖刷和沉積物移動，可能危及水下結構的穩定性，并對航行安全構成隱患（G. A. Hamill和Kee, 2016; Lam等人, 2010; Luo等人, 2023; Wei和Chiew, 2017）。螺旋槳射流的復雜流動動力學，包括湍流擴散、能量傳遞和沉積物輸運，使得沖刷坑形成的機制尚未完全理解。因此，準確預測最大沖刷深度仍然是水動力沉積物研究領域的一個具有挑戰性和關鍵性的目標。

全球學者對螺旋槳射流引起的沖刷進行了大量基礎研究。Hamill（1987）基于受控水槽實驗開發了一個預測螺旋槳射流沖刷的經驗公式。Rajaratnam（1981）通過量綱分析表明，當雷諾數超過10,000時，流體粘性的影響可以忽略不計。此外，Johnston等人（2013）研究了靠近河床表面的壁射流特性，為速度衰減的機制提供了直接見解。Hong等人（2013）提出，最大沖刷深度受多個因素的共同影響，包括螺旋槳直徑、螺旋槳軸線與河床表面之間的垂直距離以及沉積物特性。Cihan等人（2022）進一步通過分析沖刷坑的時間演變和動態發展來研究這一現象。同時，Coscarella等人（2023）專注于基于物理機制開發通用預測公式。這些模型不僅整合了傳統的速度參數，還考慮了邊界條件，包括螺旋槳幾何形狀和沉積物特性。在結構沖刷相關領域，已經建立了相對成熟的研究框架，用于研究離岸風力渦輪機單樁周圍的沖刷（Barrie等人, 2024; Wang等人, 2025）。

螺旋槳射流對海床的沖刷效應主要受其最大軸向速度的控制。根據流體力學原理，河床沖刷的影響與流速的平方成正比，這突顯了流速在沖刷過程中的關鍵作用。此外，沉積物輸運理論表明，沉積物的啟動和運動與主導的水動力條件密切相關，進一步強調了流速在沖刷過程中的核心作用（Coscarella等人, 2023; Wei等人, 2020）。盡管如此，大多數預測最大沖刷深度的經驗模型都是通過弗勞德數間接表示流速的。基于弗勞德數Fr_0的傳統模型整合了流速、重力和沉積物特性的綜合效應，適用于快速工程估算。然而，它在分離和量化最大軸向流速（V_0）對沖刷的單獨貢獻方面存在不足。由于V_0直接代表射流動能，其對沖刷深度的主導影響值得特別強調。大多數研究表明，幾個關鍵影響因素包括螺旋槳直徑（D_p）、螺旋槳軸線與河床表面之間的垂直距離（Z_p）以及沉積物中值粒徑（d_50）。然而，現有模型經常缺乏對這些參數的全面整合。特別是在同時考慮螺旋槳直徑和垂直距離時，預測模型需要改進以提高準確性和可靠性。

本研究通過受控水槽模型實驗，研究了最大軸向速度與螺旋槳引起的最大沖刷深度之間的內在關系。開發了一個沖刷深度預測模型，該模型整合了多個影響因素，并將最大軸向速度（V_0）作為主要控制變量。遵循Hamill（1987）和Penna等人（2019）建立的實驗方法，使用四種不同的螺旋槳直徑（D_p）和三種不同的螺旋槳軸線與河床表面之間的垂直距離（Z_p）進行了水槽測試。使用聲學多普勒速度計（ADV）和激光測距儀量化了速度分布和整體沖刷形態。本研究的主要目標是開發一個以流速為中心變量的綜合預測模型，同時考慮螺旋槳幾何參數、邊界條件和沉積物特性。這種方法旨在提高模型的預測準確性，并擴展其在各種復雜水力和沉積條件下的適用性。論文結構如下：第2章描述了實驗裝置和方法，包括無量綱公式的推導。第3章展示了實驗結果，包括螺旋槳引起的速度分布和沖刷形態。第4章討論了速度分布和衰減的模式、影響沖刷地形的關鍵因素、預測模型的開發以及所提出預測模型的優點和局限性。最后，第5章總結了研究的主要結論。

本小節對水槽測試結果進行了全面分析，重點關注螺旋槳射流的速度分布和沖刷坑的平衡狀態。此外，還研究了沿螺旋槳中心軸的沖刷區域特征。通過比較不同運行條件下的最大沖刷深度，開發了一個經驗公式，用于預測最大沖刷深度作為螺旋槳最大軸向速度的函數

研究了螺旋槳直徑（D_p）和垂直距離（Z_p）對射流速度分布的影響，發現這兩個變量之間存在顯著的協同作用。這些結果為螺旋槳射流產生的流場及其引起的河床沖刷提供了寶貴見解。

實驗結果表明，螺旋槳直徑是射流初始動量的關鍵決定因素。如表2所示，在恒定垂直距離下

本研究采用物理模型實驗模擬了船舶螺旋槳射流引起的河床沖刷，分析了速度分布和相關的沖刷區域。系統研究了垂直距離和螺旋槳直徑對射流速度和沖刷形態的影響。此外，還建立了一個基于螺旋槳射流速度的最大沖刷深度預測方程。主要發現總結如下：

(1)

影響

郝元：軟件開發、資金獲取、正式分析。田寶利：方法論、數據管理。魏黃：撰寫——審閱與編輯、資金獲取。錢遜：資源準備、資金獲取。賈曉婷：資源準備、數據管理。

支持本研究發現的數據可向通訊作者索取。

我們聲明與可能不當影響我們工作的其他人或組織沒有財務和個人關系，對任何產品、服務和/或公司沒有專業或其他性質的個人利益，這些利益可能影響本文的觀點或手稿的審閱。

本研究得到了國家重點研發計劃（項目編號：2023YFC3206104）、國家自然科學基金（項目編號：52409083）、國家自然科學基金（項目編號：52479059）以及重慶交通大學自然科學基金（項目編號：F1250069）的支持。我們還要感謝編輯和匿名審稿人的幫助。