环境放射性对人体的危害问题一直都受到广泛的关注，相关的检测分析技术也得到不断改进和发展。随着经济、城市建设以及核能应用的快速发展，环境放射性检测分析任务不断增加，对放射性分析技术和手段提出了更高的要求，研发快速有效的智能分析技术具有重要的实际意义。　　γ能谱分析是分析环境放射性的主要手段之一，其中包括比对法、效率刻度法、RBF人工神经网络γ能谱分析、全谱分析、γ能谱无源分析技术等。比对法是较常规的γ能谱分析方法，需要具备与待分析样品含有相同核素的标准源，而标准源的成本较高，管理和维护也很复杂和繁琐。数据处理方面需要精确计算全能峰面积，各种技术参数设置较复杂;效率刻度方法则需要在整个分析能量区域内能量分布均匀的γ射线，需要具备更多数量的标准源，硬件成本更高，数据分析和处理过程相对更复杂;RBF神经网络γ能谱分析方法虽需要标准源，但不进行峰面积拟合，以及效率刻度等复杂数据处理过程，能够由待分析样品的谱数据直接映射出样品中的放射性核素的比活度，分析过程较简单;全谱分析方法则是通过优化算法拟合出待分析谱中所含各标准谱成分的强度，再根据线性系统的叠加原理直接分析出待分析样品中相应放射性核素的比活度，避免了计算能谱峰面积，以及效率刻度等复杂处理过程，方法简单，分析精度较高;γ能谱无源分析技术则是利用Monte Carlo技术，根据γ能谱仪系统参数模拟出相应标准源γ能谱，来代替实际测量的标准源γ能谱以及实验室本底谱，再利用上述相关方法进行进一步分析，从而可大大降低实验成本。　　本工作的目标是在人工神经网络γ能谱分析方法的基础上，将待分析样品的γ能谱直接映射到内照射和外照射参数空间，在不需计算放射性核素活度的情况下，即可对样品的放射性是否符合相关标准给出直接判断，实现快速智能分析。