جریان دو فازی پدیده جریان همزمان دو فاز سیال مختلف از میان یک مجرا می باشد. جریان دو فازی در بیشتر فرآیندهای تولیدی وجود دارد و به طور همزمان سیال های گوناگونی را می توان بکار برد، مثل آب-هوا، روغن-آب، ذرات کربن-بخار که عموماً فازهای گاز و مایع اجزای رایج این نوع جریان ها می باشند. جریان دوفازی گاز-مایع در لوله ها، بطور معمول در بسیاری از فرآیندهای صنعتی از قبیل چاه های نفت و خطوط لوله، رآکتورهای شیمیایی و هسته ای، تأسیسات تولید نفت کندانسورها و جوش آورها و ... مشاهده شده است. طراحی قابل اطمینان چنین سیستم هایی نیازمند دانش و درک کاملی از مکانیزم جریان دوفازی مثل توزیع فاز الگوهای جریان، ضرایب انتقال حرارت و افت فشار در نرخ های گوناگون جریان گاز- مایع می باشد. به خوبی مشخص است که مورفولوژی جریان دوفازی اغلب یک نقش حیاتی در تعیین انتقال جرم و انتقال حرارت در طول تغییر فاز فرآیندهای انتقال حرارتی ایفا می کند. ضریب انتقال حرارت دو فازی به شدت تحت تأثیر عدد رینولدز است. افزایش ضریب انتقال حرارت متناسب با افزایش عدد رینولدز و همچنین تغییر الگوهای جریان دو فازی است. بنابراین تحقیق در مورد ویژگی های الگوهای جریان دو فازی، برای درک بهتر مکانیزم های اصلی انتقال حرارت در کانال ها اساسی است. هدف از مطالعه حاضر، بررسی تجربی الگوهای جریان و ضریب انتقال حرارت جریان دوفازی و مدلسازی آن با استفاده از شبکه عصبی در لوله افقی می باشد. آزمایش بر روی جریان دوفازی آب/هوا در یک لوله افقی به طول 2 متر، قطر داخلی 35/10میلی متر و ضخامت 3/2 میلی متر مورد بررسی قرار گرفته است. جریان دوفازی مورد آزمایش در معرض شار حرارتی یکنواخت w 900 قرار گرفته و محدوده رینولدز ظاهری مایع بین 956 تا 11955 و رینولدز ظاهری گاز بین 645 تا 25799 می باشد. طی آزمایش در ورودی و خروجی لوله دو عدد حسگر حرارتی نصب شده است. علاوه بر این در فاصله های معین (بصورت نسبت طول به قطر لوله) x/d=10/200,30/200,… تعداد هفت عدد حسگرهای حرارتی روی سطح لوله تعبیه شده است. بدین ترتیب با عبور جریان دوفازی از ناحیه آزمایش، دمای آن در 9 مکان اندازه گیری می شود، سپس ضریب انتقال حرارت بر اساس دماهای تجربی محاسبه شده و الگوهای جریان ثبت و نقشه الگوهای جریان دوفازی و ضریب انتقال حرارت بر حسب اعداد بی بعد ارائه شده است. در نهایت برای پیش بینی انواع رژیم ها و مقادیر ضریب انتقال حرارت با استفاده از شبکه های عصبی مدلسازی صورت گرفته و با مقادیر تجربی مقایسه شده است.