随着我国经济和科技的快速发展,增加了对石油天然气等资源的需求,而通过管道运输油气已经成为当今的主要运输方式。虽然我国在油气管道监控方面己经投入大量的财力物力,但依然无法满足对于检查识别的准确性和实时性的要求。在油气管道遭到破坏时,如果可以准确的获取事故发生的具体地点和管道遭到破坏方式并派遣工作人员到事故地点查看采取应对措施,就可以避免更大的损失,确保国家和人民财产安全。针对这种现状,相比于传统的检测识别技术,性能更加出色的光纤预警技术开始快速发展。本文将智能学习引入到了针对光纤振动信号的识别中,通过提取从现场采集的各种类型振动信号的基音频率、基于小波包分解能量占比及占空比等特征,并且利用BP神经网络对这些特征进行训练,获得了一个可以区分多种不同振动信号的神经网络模型。其中,本文利用了 BP神经网络预训练及交叉验证法选取隐含层节点个数等方法对振动信号神经网络模型进行优化。相比于传统的振动信号识别技术,由智能学习训练得到的网络模型有效的提高了对振源信号识别的准确性和可靠性。本文在光纤预警检测识别系统的基础上,分析该系统的特点及性能,并根据实际应用和客户需求设计实现了一套光纤预警检测识别系统软件。该软件分为六大模块,分别为:软件登录验证管理模块、地图标定与地图显示模块、检测识别模块、参数设置与可视化展示模块、光纤回折检测模块、文件传输模块。通过这几大模块,可以更好的将系统的检测识别结果向用户进行显示。