稠油热注蒸汽丌采方法采用的是湿蒸汽，湿蒸汽的干度是稠油丌采中的一项重要的质量指标，为确保稠油热采的效果以及注汽锅炉的安全运行，实时、准确的测量锅炉出口湿蒸汽的干度成为当今两相流学界研究的热点课题之一。本文重点研究了通过测量相关参数，利用神经网络建立蒸汽干度测量系统的过程，并对干度仿真结果进行分析。 首先，本文分析了干度测量的研究现状，针对国内常用的干度测量方法存在的相关问题，提出了一种基于神经网络的干度软测量方法。 其次，在对汽驱工艺以及神经网络相关知识研究的基础上，提出了神经网络干度测量系统的设计方案。通过分析在实际的测量过程中影响干度的相关参数，得出注汽锅炉出口蒸汽干度与蒸汽压力、差压及给水流量有关，这些参数可以直接测量。随后以相关的量为输入，干度为输出建立BP神经网络模型。通过对输入输出数据的预处理、增加隐含层层数、加入噪声信号以及循环训练等这一系列方法的改进、对比及结果分析，最后确定干度模型采用双隐层加入噪声信号循环训练的BP神经网络。通过对该模型仿真结果的分析，以及与传统的机理模型和人工化验方法的对比，可以看出此模型在检测精度及测量时间方面都有很好的效果。 最后，基于本文提出的干度软测量方案，设计开发了一套干度测量系统。该系统分为两部分：训练系统和仿真系统。训练系统完成建立网络、训练网络、保存网络的功能；仿真系统用保存的网络对新输入的相关参数进行干度检测，并实时的显示蒸汽干度以及相对误差。该系统大大降低了干度测量工作者的工作量，使干度测量具有智能化。