بهبود هندسه رودخانه و کنترل سیلاب: کاربرد الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری

هندسه مقطع رودخانه و تغییر شکل آن یکی از مسائل مهم و تاثیرگذار در زمینه مهندسی آب و رودخانه بوده و تاثیر مستقیم بر مدیریت، سلامت و جریان رودخانه دارد. دستیابی به شکل بهینه مقطع رودخانه از جمله مهمترین اقدامات سازه‌ای برای مدیریت رودخانه بوده که به کنترل سیل و کاهش تلفات جانی و مالی می‌انجامد. در این مطالعه، ابتدا از نرم‌افزار hec-ras به‌ منظور استخراج پارامترهای هندسی مقاطع عرضی و بررسی شرایط هیدرولیکی جریان بر روی بازه یک کیلومتری از رودخانه زاینده‌رود در ایران استفاده شد. پس از انجام شبیه‌سازی هیدرولیکی، هندسه بهینه مقاطع عرضی رودخانه توسط الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری (tlbo) تعیین شد که هدف آن، حداکثرسازی حجم لایروبی در عین حفظ پایداری هیدرولیکی بود. سپس، ارزیابی میزان تطابق هر مقطع با حالت بهینه آن انجام پذیرفت. بررسی‌ نتایج حاصل از شبیه‌سازی هیدرولیکی نشان داد که روند تغییرات دو پارامتر عرض و عمق به ترتیب افزایش 69/26 درصد و کاهش 28/78 درصدی را از بالادست به پایین‌دست داشته‌اند. پس از فرآیند بهینه‌سازی، مساحت بهینه مقاطع بین %2/16 تا %28/24 افزایش داشته و روند افزایشی آن از بالا‌دست به پایین‌دست مشهود بود که بیانگر نیاز بیشتر به اصلاح مقطع در مقاطع پایین‌دست است. در نهایت، این رویکرد بهینه‌سازی اثربخشی قابل توجهی نشان داد، به‌گونه‌ای که ظرفیت آبگذری رودخانه پس از اجرای بهینه‌سازی تا %10/13 افزایش یافت و این امر در راستای هدف اصلی پژوهش، یعنی کنترل و کاهش ریسک سیلاب و کاهش خسارات جانی و مالی، محقق شد.

river geometry improvement and flood control: application of teaching learning-based optimization algorithm

the geometry of river cross-sections and their morphological changes are among the most important and influential issues in the field of water and river engineering, directly affecting river management, ecological health, and flow dynamics. achieving the optimal shape and geometry of river cross-sections is one of the key structural measures in river management, playing a crucial role in flood control, erosion prevention, and the reduction of human and financial losses. in this study, the hec-ras software was first employed to extract geometric parameters of cross-sections and to analyze the hydraulic flow conditions over a one-kilometer reach of the zayandehrud river in iran. following the hydraulic simulation, the optimal geometry of the river cross-sections was determined using the teaching learning-based optimization (tlbo) algorithm, which aimed to maximize the dredging volume while maintaining hydraulic stability. subsequently, the conformity of each cross-section with its optimal state was evaluated. the results of the hydraulic simulation indicated a significant trend in the changes of two parameters—width and depth—with an increase of 69.26% in width and a decrease of 28.78% in depth from upstream to downstream. after the optimization process, the optimal cross-sectional area increased by 2.16% to 28.24%, showing a clear upward trend from upstream to downstream and highlighting the greater necessity for cross-sectional modification in downstream sections of the river. this outcome emphasizes the spatial variability of river engineering requirements along the studied reach. ultimately, the applied optimization approach demonstrated effective performance, enhancing the river's flow capacity by up to 10.13% after optimization, while also contributing to flood risk reduction and significantly lowering potential human and financial losses.