电容层析成像（Electrical Capacitance Tomography Technology,ECT）是在20世纪80年代逐渐发展起来的一种多相流检测技术,它通过测量管道外围电极间的电容值来计算管道内部物质介电常数的分布。电容层析成像作为一种具有很大发展前景的工业新兴技术,它以其低成本、响应快、非侵入、结构简单等特点,在石油、化工等诸多工业领域广泛应用,同时近几年也成为专家学者研究的热点之一,但在实际应用中ECT系统存在非线性问题仍然尚未完全解决,造成ECT系统图像重建效果难以满足工业需求,为克服ECT图像重建系统存在的问题,针对ECT图像重建算法的深入探究是解决问题的关键,未来仍需更多专家学者深入学习研究该技术。本文针对上述问题,在查阅国内外诸多相关参考文献的基础上,基于ECT图像重建的基本理论,详细阐述图神经网络（Graph Neural Networks,GNN）理论思想,并结合图神经网络思想,提出一种基于图神经网络的ECT图像重建新型算法,本文主要完成以下几个任务:1.首先详细分析了本文的选题研究背景以及研究的意义,并介绍过程层析成像技术基本原理以及分类,总体概括ECT系统国外以及国内发展现状,且阐述几种传统经典的图像重建算法,并对其算法优缺点进行分析比较。2.然后详细介绍ECT系统的结构组成及基本原理,并基于电磁学麦克斯韦方程建立的数学模型,通过利用COMSOL有限元软件,对ECT系统进行仿真计算,进而求解电容传感器电极间的电容数据以及灵敏度场,为后续ECT图像重建提供先验信息。3.针对ECT图像重建非线性问题,本文通过邻接矩阵来真实反映ECT图像像素间存在的相互影响,提出一种ECT图像邻接矩阵的构建方法。首先对ECT系统进行理论研究,通过研究发现ECT系统物场分布与电容传感器输出具有非线性关系,通过仿真实验验证ECT系统存在非线性关系的正确性。然后对ECT图像邻接矩阵构建问题进行研究,由于其非线性关系主要体现在像素灰度之间相似程度及像素间距离上,据此构建ECT图像邻接矩阵,为后续基于图神经网络进行ECT图像重建做准备。4.针对利用传统ECT图像重建算法存在重建图像精度不高问题,提出一种基于图神经网络的ECT图像重建新型算法,通过提取大量多样的流型样本作为网络训练集,建立网络模型,通过Landweber算法重建图像作为网络初始输入,利用GNN网络模型对不同种类流型进行ECT图像重建,最后输出重建图像。5.最后通过仿真实验,引入两个常用的图像评价指标图像误差和相关系数来进行图像质量评价,通过实验仿真结果比较分析,本文算法相比传统算法图像重建结果的图像误差更小且相关系数更大。由此可见,本文算法可以更好提高图像重建质量,进一步证明了图神经网络在ECT图像重建系统中的可行性和有效性。