宇宙线的起源和加速机制是宇宙线物理研究中未被解决的问题，通过测量来自于确定天体方向的宇宙线的特征可为该问题的解决提供实验上的依据。带电的宇宙线粒子在宇宙空间传输过程中会由于空间磁场的影响而发生偏转，而γ光子的方向不受空间磁场的影响，能直接给出产生源的相关信息，因此γ射线在宇宙线研究中具有非常重要的地位。但是γ射线的探测受到由普通宇宙射线组成的高本底的影响，这些本底宇宙线的流强比γ射线的流强要高三个数量级。因此如何有效地排除宇宙线中的强子成分，降低本底，提高γ射线观测的信噪比，是地面宇宙线实验研究中的重要课题。 中意合作的羊八井ARGO实验采用了由阻性板探测器RPC(Resistive PlateChamber)所组成的“地毯式”阵列，可以比较精确地测量到达观测平面处的广延空气簇射(EAS)粒子的空间和时间分布，这些信息可用于区分原初γ和强子所产生的空气簇射。 本论文的主要目的是探讨如何利甩ARGO探测器阵列所测得的EAS粒子在观测面上的时空分布信息来分辨原初γ和强子。为此，用Monte Carlo模拟程序产生了一批由γ和质子引起的EAS事例，并模拟了EAS粒子在ARGO探测器中的传输过程及探测器的响应。利用这些模拟数据对EAS粒子在观测面处的空间分布结构进行了分析，得到了5个可用于区分γ射线和原初强子簇射的特征量：次级粒子密度分布沿x和y方向的均方根(RMS)、加权平均横向分布宽度、平均最小树长度和反映粒子密度横向分布偏度的量。以这些特征量作为输入，并利用TMVA(Toolkit for Multivariate Analysis)软件包所提供的矩形截断方法(Rectangular cut)、似然函数方法(Likelihood method)和人工神经网络方法(Artificial neuron network)进行了多参量的分析，从而实现对γ和强子簇射的分辨。 测试结果表明，利用上述方法，在对强子簇射的排斥率达到75﹪的条件下，对γ簇射的挑选率可达到80﹪以上。最高品质因子为2.06。另外，通过对三种多参量分析方法的比较得出用人工神经网络方法效果更好。