核资源是重要的能源之一,铀矿勘查是核能产业的龙头。我国的铀矿勘探事业起步于上世纪五十年代初期,经历了五十多年的兴衰历程。随着我国“十三五”建设中核电事业的发展,对核资源的需求量突增。探寻铀矿床,摸清我国铀矿资源的储备量、勘查盲矿资源是当今铀矿勘查的首要任务。在铀矿资源的勘探中,氡作为一种重要的探矿示踪元素,通过测量土壤氡浓度,根据数据的变化规律可以反映地下铀矿资源的分布状况。论文以国家自然科学基金项目“铀矿勘查中壤氡测量技术及异常信息提取方法研究”(项目编号:41774136)为依托,选取广西某典型矿区作为研究区域,对区域进行了γ能谱数据、²¹⁰Po含量、土壤氡浓度和气象数据的测量。论文最后取得了如下成果:对研究区域进行γ能谱U、Th、K的测量,计算异常下限值并划定异常分布范围,U、Th的异常范围吻合度较高,但是U的范围更广,K的异常范围与U、Th部分吻合,分布零散。根据广西某典型矿区土壤氡浓度的真实测量数据为例,借助传统统计方法和分形分析法计算土壤氡浓度异常下限值,传统统计法计算得出的异常下限值为56.4KBq/m~3,分形分析计算的异常下限值为50.12KBq/m~3。在土壤氡未见异常的区域也会出现U、Th、K的异常。氡浓度异常范围主要集中在南部和西北部,即5号测线、6号测线、2号测线与3号测线的上半段,该区地底矿体庞大,均和断裂带有关。通过对γ能谱、²¹⁰Po含量和土壤氡浓度测定值的分析,结合地质构造,绘制了测量平面剖面图进行对比。通过剖面图可以清晰的展示出测线上每种放射性物质的变化情况,各种放射性物质变化的吻合度很高。结合γ能谱、²¹⁰Po、壤氡与地质条件有利于探寻铀矿。由于氡浓度影响因素复杂多变,使得探究氡浓度分布与铀成矿区勘查难度很大。为了建立氡浓度与众多影响因素之间的数学关系,建立了神经网络模型预测氡浓度用于指导探矿。采用主成分分析法对8个环境影响因素进行降维处理,优化得到4个主要影响因素(土壤温度、土壤湿度、空气温度和空气湿度),发现其累积贡献率为85.28%。在此基础之上,选用BP神经网络建立地表土壤氡浓度与其影响因素之间的多参数非线性数学模型,对网络进行训练,实验结果表明土壤氡预测值与实际值相关系数为0.87,可以达到预期期望。