تشخیص نوع رژیم و درصد های حجمی در سیالات چند فازی به خصوص در جریانات دو فازی در صنایع نفت و پتروشیمی بسیار حائز اهمیت است. در این مطالعه سه رژیم جریانی شامل حلقوی،همگن و لایه ای، توسط نرم افزارMCNP در بازه کسر خالی [90%-5%] شبیه سازی شد. در این شبیه سازی از یک چسمه سزیم 137 و دو آشکارساز Nal برای ثبت فتون های عبوری استفاده شده است. با استفاده از فیلتر ساویتزکی-گولایی نویز فرکانس بالای داده های به دست امده حذف شد و سپس چهار مشخصه حوزه زمان شامل واریانس ، چولکی ، میانه و همبستگی از داده های ثبت شده توسط هر آشکارساز، استخراج شد. با توجه به عدم توانایی مشخصه های استخراج شده در جداسازی رژیم های جریانی، تصمیم بر آن شد که از هر آشکار ساز مشخصه ای متفاوت با آشکار ساز دیگر استخراج شود. با بررسی تمام حالات ممکن برای استخراج مشخصه های متفاوت از آشکارساز های مختلف، بهترین حالت برای آموزش،اعتبارسنجی و تست شبکه عصبی مصنوعی انتخاب شد. مراحل کاهش نویز های فرکانس بالا، استخراج مشخصه و طراحی شبکه های مصنوعی در فضای نرم افزار متلب انجام شده است.دقت 100% در تشخیص نوع رژیم و میانگین مربع خطا کمتر از 97/0 در تعیین درصد های حجمی، اهمیت استخراج مشخصه و کارایی بالای روش پیشنهادی را مشخص می کند.
