随着粘度测量技术的普及,如何实现粘度数据的在线实时精确测量,成为一个迫待解决的难题。另外目前市面的在线粘度计普遍存在价格昂贵、维护保养复杂、测量精度不高等特点,所以对在线粘度计的研究就存在着十分重要的现实意义和理论研究价值。论文的研究对象是在三次采油过程中起特殊作用的聚丙烯酰胺水溶液。论文设计出了一种能测量并采集流量计流量数据的装置,并将采集到的数据作为参变量经过建模处理技术,实现对粘度值的预测。通过分析聚丙烯酰胺的特性以及在实验室测得的粘度数据,确定用细管粘度计法标定聚丙烯酰胺的粘度值,并把这种“标定值”作为粘度的真实值,与建模后得出的预测数据进行对比。针对测得的流量数据中包含很多误差数据及噪声数据的现象,提出用小波分析方法对数据进行去噪处理,由于神经网络在数据处理及建模方面的优越性,提出用神经网络对系统进行建模并预测数据。结合学校的实验室测量条件,论文分析确定了影响聚丙烯酰胺粘度值的参数,建立了粘度检测系统并进行了粘度检测试验。通过对多参数实验数据的分析研究,确定了靶式流量计和电磁流量计的流量数据作为粘度预测的主要参数,根据粘度检测条件和测试数据的特点,选择论文研究的基于小波分析和神经网络模型的粘度预测方法,对粘度值进行了建模,给出了预测结果,分析了预测精度。实验结果初步证明了本文提出的粘度预测方法的可行性,并通过对粘度预测值和标定值的对比,验证该粘度预测结果是正确的。本文的研究工作为在线粘度计的设计提供了数据基础,为非牛顿流体粘度的建模与预测以及石油开采外其它领域的研究工作提供了参考和借鉴。