مینا سیاح فرد - دانشجوی دکتری مهندسی عمران، گروه عمران آب،، دانشکده مهندسی عمران ، دانشگاه تبریز،
الناز شرقی - استادیار دانشکده مهندسی عمران، گروه عمران آب، دانشکده مهندسی عمران ، دانشگاه تبریز
وحید نورانی - استاد دانشکده مهندسی عمران، گروه عمران آب، دانشکده مهندسی عمران ، دانشگاه تبریز،

عوامل مختلف موثر در شکل گیری فرایند تبخیر اثرات متقابلی بر یکدیگر دارند که بازخورد این تقابل ها در چگونگی تغییرات فرا یند تبخیر موثر است. یکی از روش های استخراج ا ین اثرات متقابل از طریق تحلیل حساسیت مرتبه دوم SA2 مبتنی بر شبکه های عصبی مصنوعی ANNs امکان پذیر است که از قانون مشتقات جزئی مرتبه دوم PaD2 استفاده می کند. در این مقاله از روش PaD2 برای تحلیل حساسیت مرتبه دوم فرایند تبخیر در ایستگاه اهواز استفاده شده است. از آنجایی که کارایی مدل های داده محور مانند ANNs بشدت وابسته به کیفیت داده های ورودی است برای کاهش اثر مولفه تصادفی نویز در نتایج تحلیل حساسیت از تکنیک حذف نویز مبتنی بر موجک WD استفاده شده است. متغیرهای ورودی استفاده شده در مدلهای ANNs برای مدلسازی تبخیر و تحلیل حساسیت مرتبه دوم ای ن فرایند عبارتند از : تشعشع خورشیدی، دمای هوا، رطوبت نسبی، سرعت باد، فشار ستون هوا در ایستگاه و تبخیر تشتک که در مقیاس روزانه از ایستگاه سینوپتیک اهواز برداشت شده اند. نتایج حاصل از اندرکنش بین جفت متغیرهای ورودی در پاره ای از موارد منجر به ایجاد الگوهای پیچیده ای گردید. در این میان مهم ترین اندرکنش ها در ایستگاه اهواز بین متغیر تبخیر روز قبل با متغیرهای دما، رطوبت، فشار و تشعشع ایجاد شدند

الگوهای تقابل، تحلیل حساسیت مرتبه دوم، تکنیک PaD، حذف نویز مبتنی بر موجک، شبکه های عصبی مصنوعی