Existen muchos modelos bien establecidos para predecir la dispersión de partículas radiactivas que se generarán en el entorno circundante después de una explosión de arma nuclear. Sin embargo, sin excepción, casi todos los modelos dependen de parámetros de término de fuente precisos, como DELFIC, DNAF-1, y así sucesivamente. A diferencia de los experimentos nucleares, los parámetros de término de fuente precisos a menudo no están disponibles una vez que se utiliza un arma nuclear en un ataque nuclear real. Para abordar los problemas de parámetros de término de fuente poco claros y condiciones meteorológicas durante las explosiones de armas nucleares y la complejidad del proceso de identificación, este artículo propone un método de identificación de parámetros de término de fuente de armas nucleares basado en un algoritmo genético (GA) y un algoritmo de optimización por enjambre de partículas (PSO) combinando datos de monitoreo en tiempo real. Los resultados muestran que tanto el PSO como el GA son capaces de identificar los parámetros de término de fuente de manera satisfactoria después de la optimización, y la precisión de predicción de sus principales parámetros de término de fuente es superior al 98%. Cuando el número máximo de iteraciones y el tamaño de la población del PSO y el GA eran los mismos, el tiempo de ejecución y la precisión de optimización del PSO fueron mejores que los del GA. Este estudio enriquece la teoría y el método de predicción de dispersión de partículas radiactivas después de una explosión de arma nuclear y es de gran importancia para el estudio de partículas radiactivas en el medio ambiente.