多相流系统是一个复杂的非线性动态系统,相间存在着界面效应和相对速度,致使多相流参数检测的难度较大。在国际上,多相流参数检测也是一个急待发展的探索研究领域。近十多年来迅速发展起来的过程层析成像技术在解决多相流检测问题上有很大的潜力和广阔的工业应用前景。电容层析成像技术以其成本低、响应速度快、结构简单、适用范围广、非侵入式、安全性能好等优点,成为过程层析成像技术的主流和研究热点,但离实际应用尚有很大距离,因此有待进一步研究和发展。支持向量机(Support Vector Machines,简称SVM)是在统计学习理论的基础上发展起来的一种新的学习方法,它已初步表现出很多优于已有方法的性能。由于采用了结构风险最小化原则代替经验风险最小化原则,使得较好的解决了小样本学习的问题;又由于采用了核函数思想,使它把非线性空间的问题转换到线性空间,降低了算法的复杂度。正是因为其完备的理论基础和出色的学习性能,该技术已成为机器学洗劫的研究热点,并在很多领域都得到了成功的应用,如人脸检测、手写体数字识别、文本自动分类等。但是作为一种新兴技术,SVM在很多应用领域的研究还有待探索和完善。本文以8电极电容层析成像系统为研究对象,借助支持向量机方法在小样本、非线性及高维特征空间中具有良好的分类性能,研究了油水两相流的流型识别问题,对典型流型的流体进行基于遗传算法的图像重建。本文的主要研究内容和成果如下:　1.介绍了过程层析成像系统的特点、用途、构成、发展现状和基于不同敏感原理的过程层析成像技术。阐述了电容层析成像的工作原理、系统组成和电容层析成像系统独特的优点及其应用前景;　2.探讨了电容层析成像技术的工作原理及图像重建算法,并对其基本特点和发展现状进行了简介;　3.介绍统计学习理论及支持向量机,并探讨将支持向量机方法应用于图像重建的可行性;　4.建立了基于支持向量机算法的图像重建算法,对典型流型进行图像重建。