انجمن آبیاری و زهکشی ایران نشریه آبیاری و زهکشی ایران 2008-7942 19 6 2026 02 20 Hybrid learning-based estimation of discharge coefficient in triangular and trapezoidal side weirs using SVM optimized by HOA and RSA برآورد ضریب دبی در سرریزهای جانبی مثلثی و ذوزنقه‌ای با استفاده از مدل یادگیری ترکیبی SVM بهینه‌شده با الگوریتم‌های HOA و RSA 885 897 229041 10.22034/idj.2025.537571.2616 FA کیومرث روشنگر عضو هیات علمی گروه آب دانشکده عمران دانشگاه تبریز آیدین پناهی گروه مهندسى منابع آب، دانشکده مهندسى عمران، دانشگاه تبریز، تبریز، ایران 0009-0009-4341-4039 Journal Article 2025 07 28 Side weirs play a pivotal role in flow regulation and water measurement, serving as essential components in flood management systems, urban runoff collection, and irrigation and drainage networks. Accurate prediction of the discharge coefficient is critical for the optimal design of these structures. In this study, to enhance the modeling accuracy of the discharge coefficient in sharp-crested trapezoidal, broad-crested trapezoidal, and sharp-crested triangular side weirs, Support Vector Machine (SVM) models were hybridized with two metaheuristic algorithms: Horse Optimization Algorithm (HOA) and Reptile Search Algorithm (RSA). After identifying the key dimensionless variables, multiple models were developed for each weir geometry. The results indicate that both hybrid models exhibit strong predictive capabilities; however, SVM-HOA consistently outperformed SVM-RSA in the testing phase. Specifically, for sharp-crested trapezoidal, broad-crested trapezoidal, and sharp-crested triangular weirs, the SVM-HOA model achieved NSE, RMSE, and R values of (0.913, 0.019, 0.959), (0.933, 0.014, 0.966), and (0.932, 0.015, 0.967), respectively, demonstrating its superior performance across all geometries. سرریزهای جانبی به‌عنوان اجزای کلیدی در تنظیم جریان و اندازه‌گیری آب، نقشی محوری در سامانه‌های مدیریت سیلاب، جمع‌آوری رواناب‌های شهری و شبکه‌های آبیاری و زهکشی ایفا می‌کنند. پیش‌بینی دقیق ضریب دبی این سرریزها برای طراحی بهینه، ضرورتی انکارناپذیر است. در این مطالعه، به‌منظور مدل‌سازی دقیق‌تر ضریب دبی در سرریزهای جانبی ذوزنقه‌ای لبه‌تیز، ذوزنقه‌ای با لبه پهن و مثلثی لبه‌تیز، از ترکیب روش ماشین بردار پشتیبان (SVM) با دو الگوریتم متاهیوریستیک یعنی الگوریتم بهینه‌سازی اسب (HOA) و جستجوی خزندگان (RSA) بهره گرفته‌شده است. پس از شناسایی متغیرهای بی‌بعد مؤثر، مدل‌های متعددی برای هر هندسه توسعه داده شد. یافته‌ا نشان می‌دهد که هر دو مدل ترکیبی توانایی مناسبی در تخمین ضریب دبی دارند، اما SVM-HOA در مرحله تست، دقت بالاتری از خود نشان داد. به‌طور خاص، در سرریز ذوزنقه‌ای لبه‌تیز، ذوزنقه‌ای لبه‌پهن و مثلثی لبه‌تیز به ترتیب ضرایب NSE، RMSE و R معادل (0.913، 0.019، 0.959)، (0.933، 0.014، 0.966) و (0.932، 0.015، 0.967) به دست آمد که نشان‌دهنده برتری این مدل نسبت به SVM-RSA در تمام هندسه‌ها است. https://idj.iaid.ir/article_229041_05ff5ef4a899daf75069c8924014d91f.pdf