假定模型参数的不确定性服从正态分布，根据贝叶斯原理，其最可能的分布是结合先验信息和观测信息得到的最大后验概率，马尔科夫链蒙特卡罗（Markov Chain Monte Carlo，MCMC）抽样适用于此类反问题求解。鉴于随机论方法的巨大计算量，本研究利用BP（Back Propagation）神经网络及相对熵最小化来自适应加密训练数据，从而建立替代复杂正向程序的代理模型，并利用开发的不确定性分析程序对影响空泡份额的模型参数不确定性进行量化分析，选用的子通道程序为COBRA-IV。结果表明：在求得模型参数不确定性后，通过不确定性正向传递得到结果的95%置信区间对实验值的包络性较好，利用不确定性均值对模型进行标定得到的结果较基准值更接近实验值。因此，本研究建立的不确定性量化分析方法能较好适用于子通道程序的不确定性分析。

在中子活化计算中，由于输入核数据存在一定的固有不确定性，这将对计算结果产生一定的影响。而计算结果的不确定度对核设施源项分析、辐射屏蔽设计发挥着重要的作用。首先研究了用于不确定性分析的直接求导方法和Gear算法，随后进行了活化系数矩阵以及敏感性系数矩阵的构造，最后利用Gear算法同步求解活化方程组和敏感性方程组，得到核素存量对于核数据的敏感性系数，并结合核数据的相对不确定度得出核素存量的相对不确定度。将本工作研发的方法集成到中子活化程序ABURN中，并选取典型例题进行了测试验证。结果表明：ABURN程序对于核素存量及其敏感性系数与相对不确定度的计算结果，与解析解和欧洲活化程序FISPACT数值解的计算偏差很小，绝大部分偏差不超过0.2%，最大偏差不超过1%，说明此方法和程序具备了高精度分析核素存量的敏感性和不确定性的能力，能够为核设施辐射防护以及源项分析工作提供工具和数据支持。