核事故应急响应支持系统中，核素的大气扩散模拟是很关键的一个组件，通过该模块对核素的扩散过程进行预测，能为指导公众疏散和躲避提供信息，以减少公众安全和财产损失，也为核事故后果评价提供了技术依据。核素扩散模型需要输入源项信息和气象信息，而事故情况下，这些信息并不容易准确获得，所以发展出了利用实际观测数据估计源项和扩散参数的源项反演技术。源项反演问题通常能够转化为求解扩散参数和源项信息，以使得计算值和观测值差距最小的最优化问题。针对这类非线性化程度高，参数众多，存在很多局部最优解的最优化问题，遗传算法具有很好的适用性。针对遗传算法在核素扩散源项反演中的应用，本文做了如下工作：1.实现一个基于拉格朗日烟团模型的核素扩散计算库-pysjtupuf。2.研究遗传算法运行机理，调研国内外对遗传算法应用于源项反演技术的研究现状。总结现有研究中常用的方法和不足。3.采用数值模拟方法研究使用遗传算法进行扩散系数修正时，适应度函数的影响。结果显示为提高反演准确性，应在适应度函数中考虑观测站误差的影响，观测误差越大的数据在适应度函数中应给予更小的权重。4.将Kincaid实验数据转化为pysjtupuf适用的格式，在其基础上进行反演模拟，观察使用遗传算法修正扩散系数后扩散模型预测能力的变化，使用等统计量表征扩散模型预测准确性。结果表明，通过扩散系数修正后，扩散模型预测能力有所提高，且预测准确性与观测站数量呈正相关。