两相流广泛存在于现代工业生产之中,在一定程度上影响着工业的发展。两相流体系是一个非线性动态系统,两相流体具有复杂的流动特性,且相间存在着界面效应和相对速度,致使两相流参数检测的难度较大。在两相流系统中,流型是一个重要的检测参数,它的准确辨识是两相流其他参数准确测量的基础,因此流型的智能辨识成为两相流研究的重点内容之一。本文以12电极的ERT系统和油/水两相流的流型为研究基础,研究了小波分析和神经网络在两相流流型辨识中的应用。本文在阅读了大量的文献基础之上,归纳总结了两相流检测技术对科研和工业生产的重要意义,同时详细总结并分析了两相流流型的辨识方法的发展历程、研究现状及亟待解决的关键问题,指出了基于图像重建的流型辨识的缺点,并提出了基于测量数据特征提取的流型辨识方法。本文运用小波分析方法研究了基于ERT系统测量数据的特征提取问题。以常见的流型为研究对象,研究了基于小波包分析(WPA)的测量数据特征提取方法。对如何有效利用信号的小波包能量值的统计特征及所含流型的特征展开了研究。并以提取后的特征向量作为神经网络的输入,对网络进行建模和仿真。本文针对现有的基于ERT系统的流型辨识方法进行了较为全面深入的研究,在大量的仿真基础之上,提出了一种基于测量数据特征提取的神经网络流型辨识方法,并对实验仿真结果进行深入的分析和总结。通过本文的研究工作,证明此方法为两相流流型辨识提供了一种更有效的手段。