为了维护世界和平稳定,必须严格控制有核国家的核武器数量。有关国家为了能够公平地参与到核裁军中,掌握先进的核查识别技术就变得尤为重要。核材料年龄是核武器核查核中受关注的重要属性之一,研究核材料年龄识别技术具有重要的实际意义。核材料含有放射性核素,放射性核素在衰变过程中能够产生γ射线。由于每一种核素释放的γ射线都具有独特性,因此γ能谱可作为识别含有不同核素成分或不同核素活度的核材料的“辐射指纹”。本工作选取⁶⁰Co、¹⁵²Eu和¹³⁷Cs三种核素组成的不同成分的模拟核材料作为研究对象。首先利用蒙特卡罗方法模拟核材料γ能谱,其次利用小波变换对核材料γ能谱进行特征提取,最后通过建立合理的训练样本集,利用RBF人工神经网络对核材料的年龄进行定量识别。主要研究目标是在达到预期识别精度的情况下,建立最小训练样本集,也就是训练样本采样周期最大化。主要研究内容如下:1)核素半衰期对训练样本采样周期的影响;2)核素发射出γ射线的数目对训练样本采样周期的影响;3)采样年龄区间大小对训练样本采样周期的影响;4)采样年龄区间大小与半衰期关系对训练样本采样周期的影响;5)多种核素成分核材料的年龄识别。研究表明,对于单一核素核材料,核素半衰期、采样年龄区间大小以及二者的关系对训练样本的采样周期有明显的影响。当年龄区间一定时,核素半衰期越小,则要求采样周期越小。当采样年龄区间远大于核素半衰期时,则需要较小的采样周期,而当年龄区间接近半衰期或小于半衰期时,采样周期可明显加大。当采样周期一定时,识别结果误差随着采集样本年龄区间的增大而增大。核材料释放出的γ射线数量对训练样本集的选取基本无影响,在识别过程中可以忽略。对于含有多种核素成分的核材料,采样年龄区间需要分成两个区间来处理,每个区间采用不同的采样周期,而区间分界参考点为核材料中核素的最小半衰期。总之,对于感兴趣的核材料年龄区间,通过合理的分区、选取相应的采样周期以及建立最佳的训练样本集,利用RBF网络可以对核材料年龄进行精确的定量识别。