针对科技考古中对大量考古陶片进行产地研究时X荧光分析对多元素、低含量、厚基底考古陶片产生的复杂谱分析的问题，将人工神经网络引入X荧光考古中，进行了三方面的研究工作：一是用线性OLAM网络(最优线性联想网络)和非线性BP网络(误差反传导网络)分别对考古样品的X荧光复杂谱进行解谱，并比较二者的解谱效果；二是用BP网络模式识别方法对考古样品的产地进行智能识别；三是为了提高网络运算的可靠性和减小基体效应及电噪声的干扰和影响，研究并提出了三种网络学习前的谱数据预处理方法。 在本论文工作中，分别研讨了OLAM网络和BP网络的基本原理、算法、学习过程、学习样本的生成和解谱结果的优劣等内容。通过改进BP网络算法，使网络结构更优化，提高了网络收敛速度。针对BP网络单模式学习的不足，提出了一种全模式学习方法，使网络的解谱效果得到改善。比较了两种网络在不同算法、不同谱数据预处理情况下的学习精度、解谱结果和解谱能力。在用BP网络进行产地识别中，建立了产地识别理论和各产地的模式特征量，产地识别效果较好，例如对分类准确的产地，其产地识别正确率达100％，对分类模糊的产地，正确率也能达60％以上。研究还表明经过谱数据预处理后，网络的解谱效果和产地识别效果明显优于未经过谱数据预处理的结果。 本研究表明：引用人工神经网络和X荧光分析进行的科技考古研究中，解谱结果、产地识别结果和谱数据预处理方法都达到了令人满意的效果。证明了人工神经网络在科技考古中有广阔的推广应用前景。 本论文在Win98操作系统下，用VC6.0作开发平台，编制了一系列X荧光解谱和产地识别可视化软件，界面友好、直观，功能齐全、便于使用，取得的结果令人满意。