核材料识别技术在核武器核查、核材料监控、防止核扩散和防止核恐怖等方面有着广泛的应用。年龄以及核素丰度是表征核材料属性的重要特征参数（或特征量），也是识别核材料类型或历史来源的重要依据，因此开展有关核材料年龄、丰度定量识别就变得尤为重要。　　核材料中的放射性核素在衰变过程中，都伴有特征γ射线。由于所产生的γ射线都具有独特性，因此核材料的γ能谱可以作为一种“辐射指纹”用来标识以及鉴别核材料。本工作的目的就是以γ能谱指纹为识别特征，采用RBF人工神经网络建立γ能谱指纹与核材料年龄和核素丰度之间的映射关系，以模式识别的方式，实现对铀核材料年龄及其核素丰度的定量识别。　　本工作是选择具有放射性的铀核材料作为研究对象。首先利用蒙特卡罗模拟铀核材料γ能谱指纹，然后以铀核材料γ能谱指纹作为输入量，用相应的年龄或者核素丰度结果作为输出量训练人工神经网络，最后利用未知样本对人工神经网络进行验证。具体研究内容如下：　　（1）铀核材料年龄定量识别研究　　在γ能谱指纹与铀核材料年龄两者之间建立映射关系，分别对单组和多组进行识别。　　（2）网络识别能力测试　　利用未知铀核材料，对已知网络进行验证识别，以测试网络对训练样本以外的未知铀核材料年龄的识别能力。　　（3）铀核材料核素丰度的定量识别研究　　在γ能谱指纹与铀核材料核素丰度两者之间建立映射关系，随机选择训练样本，实现对铀核材料核素丰度的定量识别。　　研究表明：对单组和多组铀核材料年龄识别的相对误差均小于7.00％；以样品U4为基准改变，235U核素丰度在-8%到+5%范围之间，对年龄识别的相对误差在10%以内；以样品U5为基准，235U核素丰度在-14%到+7%范围之内，对年龄识别的相对误差在10%以内。并且可以得出随着丰度变化幅度的增大，识别的相对误差也随之增加；对铀核材料核素丰度（当前核素丰度）识别的相对误差小于7.37%；综上，利用γ能谱指纹识别技术通过RBF人工神经网络能够实现对铀核材料的年龄和核素丰度的定量识别。