凝析天然气的气液两相流量是监测、控制气井和气藏动态特性的主要依据,但传统的凝析天然气的流量计量受很多因素干扰,误差较大,气井的井口两相的计量问题是一项尚未彻底解决的技术难题。论文研究了应用小波神经网络处理凝析天然气测量数据的方法。首先系统地研究了小波神经网络的结构,比较了小波神经网络与传统BP网络的性能。然后构建不同形式的小波神经网络:以连续小波变换为理论依据,采用连续小波函数作为神经网络的激励函数构建连续参数小波神经网络,给出参数学习算法;以多分辨分析和正交小波分解为理论依据,采用正交小波函数和尺度函数共同作为神经网络隐含层激励函数,构建多分辨小波神经网络,并利用多分辨分析逐层逼近的性质,给出了分层递阶学习算法。分别应用两种网络对凝析天然气流量计测量数据进行处理。最后,结合测量信号,通过先分析性质再综合误差比较的方法,比较了各种小波基,选取了最优者。采用压力、温度和差压等参数作为小波网络的输入,气液标准体积流量为网络输出,基于Matlab语言,对上述方法进行了编程实现,实验结果表明,用小波神经网络预测凝析天然气流量计流量的方法是可行的,可以较好的预测出气液两相流量,为该方法应用于生产实际奠定了基础。