Durante accidentes nucleares severos, se espera que se liberen materiales radiactivos en la atmósfera. Estimar el término fuente juega un papel significativo en la evaluación de las consecuencias de un accidente para ayudar en la implementación de una respuesta de emergencia adecuada. Sin embargo, es difícil obtener información sobre el término fuente directamente a través de los instrumentos en el reactor debido a las condiciones impredecibles inducidas por el accidente. En este estudio, se desarrolló un método basado en aprendizaje profundo para estimar el término fuente con datos de monitoreo ambiental de campo, que utiliza el método de bagging para fusionar modelos basados en la red neuronal convolucional temporal (TCN) y la red neuronal convolucional bidimensional (2D-CNN). Para reducir la complejidad del modelo, se utilizó el algoritmo de optimización por enjambre de partículas para optimizar los parámetros en el modelo de fusión. Se establecieron siete radionúclidos típicos (Kr-88, I-131, Te-132, Xe-133, Cs-137, Ba-140 y Ce-144) como términos fuente mezclados, y se utilizó el Sistema Internacional de Evaluación Radiológica para generar datos de entrenamiento del modelo. Los resultados indicaron que el error promedio de predicción del modelo de fusión para los siete nuclidos en el conjunto de prueba fue inferior al 10%, lo que mejoró significativamente la precisión de la estimación en comparación con los resultados obtenidos por TCN o 2D-CNN. El análisis de ruido reveló que el modelo de fusión es robusto, teniendo una aplicabilidad potencial hacia escenarios de accidentes nucleares más complejos.