در این پایان نامه تلاش شده است که از روی سیگنال های نوسانات فشار نسبی استاتیکی، مقادیر ضریب ماندگی و همچنین الگوهای جریان در سرعت های مختلف جریان دوفازی عمودی مایع-مایع پیش بینی شود. مایعات امتزاج ناپذیر انتخاب شده، آب و گازوئیل می باشند. محدوده سرعت ظاهری به کار رفته برای آب 36/1- 14/0 متر بر ثانیه و برای گازوئیل 85/0-057/0 متر بر ثانیه بوده است. با استفاده از عکس برداری سریع از قسمت اصلی آزمایش شامل لوله شفافی از جنس اکریلیک به طول 5/1 متر و به قطر داخلی 54/2 سانتیمتر، پنج الگوی مختلف جریان مشاهده گردید که عبارت اند از: آب و لخته نفت پراکنده در آب (d os & w/w)، آب پراکنده در نفت (d w/o)، نفت پراکنده در آب (d o/w)، قطرات بسیار ریز نفت پراکنده در آب (vfd o/w) و جریان انتقالی (tf). ضرایب ماندگی و نوسانات فشار نیز به ترتیب با استفاده از دو عدد شیر سریع بسته شونده و دو عدد سنسور فشار که با فاصله مناسبی بر روی بخش اصلی آزمایش نصب شده بودند، اندازه گیری و ثبت گردید. به علت پیچیدگی ذاتی جریان های دوفازی و در نتیجه تفسیر نوسانات فشار ثبت شده، پیش بینی الگوهای جریان و ضریب ماندگی از روی سیگنال های خام فشار بسیار دشوار می باشد. برای غلبه بر این مشکل، علاوه بر یک روش مطلوب پردازش سیگنال با نام تبدیل موجک (wt)، از شبکه های عصبی مصنوعی (anns) نیز استفاده گردید. سیگنال های فشار با استفاده از روش تبدیل موجک به سطوح مختلفی تجزیه و از این سطوح، مقادیر انحراف استاندارد و درصد انرژی آنها استخراج گردید. سپس مقادیر انحراف استاندارد به عنوان متغیرهای ورودی شبکه عصبی احتمالی (pnn) به منظور پیش بینی الگوهای جریان و مقادیر درصدهای انرژی به همراه کدهای اختصاص-یافته برای الگوهای جریان مربوطه نیز به عنوان متغیرهای ورودی شبکه عصبی پرسپترون چندلایه (mlp) به منظور پیش بینی مقادیر ضرایب ماندگی به کار رفت. با استفاده از این روش، دقت پیش-بینی در الگوهای جریان، 97 درصد و ضریب همبستگی و میانگین درصد خطای مطلق ضرایب ماندگی پیش بینی شده توسط شبکه عصبی نسبت به ضرایب ماندگی تجربی به ترتیب 98/0 و10% بدست آمد.