موضوع: مدلسازی هیدرولیکی دقیق برای مدیریت بهینۀ شبکههای آبیاری ضروری است. هدف: این پژوهش با هدف توسعۀ یک روش خودکار برای واسنجی ضرایب دبی سازهها در مدل HEC-RAS انجام شد. در اینزمینه، نوعی چارچوب محاسباتی نوآورانه مبتنی بر الگوریتم بهینهسازی کرم شبتاب و با استفاده از زبان پایتون ایجاد شد که از طریق واسط برنامهنویسی (API) HEC-RAS را به طور خودکار کنترل میکند. روش تحقیق: در این تحقیق، 9 ضریب دبی مربوط به سه سازۀ تنظیمکننده و شش سازۀ آبگیر در کانالE1R1 شبکۀ آبیاری دز بهینهسازی شد. تابع هدف، کمینهسازی میانگین خطای مطلق بین عمق شبیهسازیشده HEC-RAS و عمق هدف تعریف شد. الگوریتم با جمعیت 10 و در 35 تکرار اجرا شد. یافتهها: نتایج کمی نشان داد روش پیشنهادی به دقت زیادی دست یافته است، به طوری که میانگین خطای مطلق نهایی در 10 اجرای مستقل به 0/016 متر رسید. تحلیل حساسیت نشان داد سازههای آبگیر انتهایی دارای مقادیر ضریب دبی حداقل و بهترتیب برابر با 0/32 و 0/31 دارند، در حالی که سازۀ تنظیمکننده دارای مقدار ضریب دبی حداکثر و برابر با 0/7 بود. ضریب دبی سایر سازهها در محدودۀ میانی (0/47 تا 0/63) همگرا شدند که بیانگر وجود چندین ترکیب بهینه برای دستیابی به دقت مطلوب است. نتیجهگیری: این تحقیق نشان داد که تلفیق HEC-RAS با الگوریتم فراابتکاری میتواند به عنوان یک ابزار کارامد و دقیق برای واسنجی خودکار مدلهای هیدرولیکی استفاده شود.
Alirezazadeh Sadaghiyani, A., Mohammadi, M., Galvani, M. and Vaheddoost, B. (2022). On the Prediction of Discharge Coefficient for Sluice Gates under Submerged Flow Conditions using Soft Computing Techniques. Journal of Modeling in Engineering, 20(71), 1-12. (In Persian).
Garbrecht, G. 1977. Discussion of “Discharge Computations at River Control Structures”. Journal of the Hydraulics Division, 103, 1481-1484.
Gharehbaghi, A. & Ghasemlounia, R. 2022. Application of AI approaches to estimate discharge coefficient of novel kind of sharp-crested V-notch weirs. Journal of Irrigation and Drainage Engineering, 148, 04022001.
Goodell, C. 2014. Breaking the HEC-RAS Code: A User's Guide to Automating HEC-RAS, h2ls.
Goodell, C. 2016. Advanced Gate Operation Strategies in HEC-RAS 5.0.
Leon, A. S. & Goodell, C. 2016. Controlling Hec-Ras using Matlab. Environmental modelling & software, 84, 339-348.
Rahmanshahi, M., Jafari-Asl, J., Fathi-Moghadam, M., Ohadi, S. & Mirjalili, S. 2024. Metaheuristic learning algorithms for accurate prediction of hydraulic performance of porous embankment weirs. Applied Soft Computing, 151, 111150.
Rajaratnam, N. 1977. Free flow immediately below sluice gates. Journal of the Hydraulics Division, 103, 345-351.
Shahverdi, K. & Yari, S. 2025. Investigating Effect of Flow Contraction on Discharge Coefficient of Lopac Gates Using Support Vector Machines. Water and Irrigation Management, 15(2), 497-508. (In Persian).
Sihag, P., Nouri, M., Ahmadpari, H., Seyedzadeh, A. & Kisi, O. 2022. Approximation of the discharge coefficient of radial gates using metaheuristic regression approaches. Sustainability, 14, 15145.
Spheerli, J. & Hager, W. 1999. Discussion of irrotationa flow and real fluid effects under planer gates, by JS montes. Journal of Hydraulic Engineering, 125, 208-210.
Swamee, P. K. 1992. Sluice-gate discharge equations. Journal of Irrigation and Drainage Engineering, 118, 56-60.
Yang, X.-S. Firefly algorithms for multimodal optimization. International symposium on stochastic algorithms, 2009. Springer, 169-178.
)