源项信息的获取是核事故后果评价中必不可少的工作,源项的准确性影响着核应急救援决策的科学性和合理性。核事故发生后,源项信息通常难以直接获取,但可以间接利用核素扩散模型和监测数据反演得到。目前国内外学者针对源项所建立的反演模型,设定的事故场景较为单一,与实际应用还有一定的距离。本文利用高斯烟团模型和粒子滤波算法,建立了多种客观场景下的源项反演模型。具体研究内容如下:（1）当放射性物质释放地点已知时,针对源项释放率为稳定连续、线性连续和随机连续变化三种情况,进行基于粒子滤波算法的反演模型研究。首先根据高斯烟团模型的性质,结合一组有效监测数据,提出了源项释放率迭代关系的计算方法,并将其作为粒子滤波的状态方程。考虑到核事故发生后监测数据获取困难,当有效监测数据有限时,基于粒子滤波算法,构建了相对应的源项反演模型,并利用此模型进行了数值仿真实验和不确定性分析。参考现有的研究成果,将基于粒子滤波的反演结果与基于卡尔曼滤波的反演结果进行了对比。（2）当放射性物质释放地点未知时,结合高斯烟团模型,针对单烟团、离散多烟团和连续多烟团这三种源项释放场景,进行了基于粒子滤波算法的源项反演模型研究。首先,假设第一个烟团释放时间已知,结合高斯烟团模型,针对单烟团、离散多烟团和连续多烟团这三种源项释放场景,分析了对应场景下的观测时间与某个烟团释放的时间差以及观测点与源项释放点之间的间距,根据这些参数给出了对应的定向探测方案,为下面的反演过程提供参考。然后研究放射性烟团释放地点未知时,构建基于粒子滤波反演的模型。最后设定了数值仿真实验,针对反演模型进行了不确定性分析。根据高斯烟团模型和粒子滤波算法所建立的反演模型进行数值仿真实验,当放射性泄漏地点已知时,可以将源项释放率反演误差控制在5%左右;当放射性泄漏地点未知时,根据不同的源项释放场景,可以将寻址结果的误差锁定在1.2%至8.3%之间。模型建立基于监测或探测数据较少的情景,当现实中获取的数据有限时,此反演模型有一定的参考意义。