جریان سیالات چند فازی، به ویژه دو فازی در صنایع مختلفی از جمله صنایع نفت و گاز به وقوع می پیوندد. بدلیل رفتار فازی ویژه سیستم های هیدرو کربنی علاوه بر مراحل برداشت از مخازن، در خطوط انتقال فرآورده های هیدروکربنی؛ هم قبل و هم بعد از مراحل جداسازی؛ امکان روبرو شدن با چنین جریانهایی وجود دارد. علاوه بر اینکه در اکثر مواقع، شرایط ایجاد چنین جریانهایی تحت کنترل نیست، برای حصول اطمینان از محاسبات طراحی، اعم از افت فشار و ماندگی مایع، باید بتوان نوع رژیم جریان چند فازی را نیز به دقت مشخص کرد. روشهای تحلیلی و تجربی موجود به منظور پیش بینی الگوی جریانهای چند فازی به نوبه خود دارای پیش فرضهایی هستند که از ضریب اطمینان شناسایی الگوی جریان می کاهد. از سوی دیگر شبکه های عصبی مصنوعی در حل مسائلی که به دلیل در دسترس نبودن اطلاعات مربوط به تمامی عوامل تاثیر گذار و یا وجود رابطه ای بسیار پیچیده بین داده ها، مدل سازی ریاضی در مورد آنها ممکن و یا عملی نیست توانایی بالایی دارند. در این مطالعه از این توانایی به منظور تشخیص الگوی جریان دوفازی نفت و گاز کمک گرفته شده است. طراحی شبکه عصبی با استفاده از اطلاعات مربوط به خط لوله 16/10 سانتیمتری جریان نفت سبک و گاز دی اکسید کربن که به عنوان ورودی شبکه عصبی RBF که جزء شبکه های عصبی طبقه بندی کننده نرم افزار MATLAB است، انجام گرفت و نوع الگوی جریان دوفازی موجود در خط لوله به عنوان خروجی از شبکه دریافت گردید.

کلمات کلیدی