两相流体具有复杂性的流动特性,流型的准确识别是两相流参数准确测量的基础,流型的在线智能识别是两相流研究的重点内容之一。电阻层析成像(ERT)技术是基于电阻传感机理的过程层析成像技术,由于它具有可视化和非入侵的优点,被应用在各种各样的两相流在线测量和流型辨识上,是近年发展最快的一种过程层析成像技术。支持向量机(Support Vector Machine, SVM)是统计学习理论中最年轻的部分,是一种基于结构风险最小(Structural Risk Minimization, SRM)原则的模式识别方法,在分类、回归估计和密度估计等方面有很好的应用。相对于神经网络来说有更好的推广能力。本文以ERT系统和油/水两相流的流型为研究基础,采用主成分分析方法对ERT系统中的边界测量电压数据进行特征提取,然后以提取的特征数据作为基于一对余类策略的支持向量机多类分类模型的输入,从而对两相流的四种流型进行识别。本文的主要研究内容如下:1.总结了目前普遍采用的流型识别方法的研究现状,指出流型识别存在的问题。2.从理论上分析了电阻层析成像系统的构成及技术特点,指出电阻层析成像技术发展中必须解决的问题。3.分析使用主成分分析进行特征提取的必要性,阐述了文中使用的主成分分析方法——对包含在类平均向量中的判别信息进行最优压缩的原理。4.根据支持向量机的基本原理、基本算法、常用分类方法,针对油水两相流的特点,构造了基于一对余类策略的支持向量机多类分类模型。5.通过MATLAB仿真实验,对样本进行特征提取,且通过实验对比选择最优的核函数及相应参数,对油水两相流的四种常见流型进行识别,得到了比较理想的识别效果。