准经典轨线（Quasi-Classical Trajectory,QCT）计算是化学反应动力学研究的重要工具。轨线包含了从反应物到产物的整个反应过程的信息,分析轨线特征对识别和理解反应机理具有重要意义。QCT研究通常需要大量的轨线来减少统计误差。对于海量的轨线,很难通过识别不同类型的反应路径,找到“典型”的反应过程对其进行分类,若做定量分析则更加困难。多原子分子反应的轨线是由高维坐标空间中的数据点表示的,如果将这些高维数据点转换到低维空间,同时保持其分布规律,将为轨线分析提供非常有用的帮助。机器学习研究领域中多种无监督学习方法的联合使用,为反应轨线的数据处理提供了可行方案。本论文选择两个典型的小分子反应,探索不同机器学习方法在分析准经典轨线优势,为进一步发展高效的轨线分析方案提供有益的参考。本论文分为三个章节。第一章为绪论,主要介绍小分子碰撞反应的特点,反应动力学理论研究的背景和模型、以及本论文涉及到的准经典轨线方法和相关的机器学习方法,包括等距离映射、k均值、动态时间规整等。第二章以无势垒反应体系Be+与H2O反应为例,运用等距离映射、动态时间规整方法分析准经典轨线,很好的揭示了反应的微观机理,发现深势阱和潜入式能垒对反应的动力学过程起到了决定性作用。由于反应存在深达2.78e V的势阱,所有的反应轨线都经历这个势阱,在形成Be-OH2+复合物后才继续向产物端运动,并未发现OH键直接断裂的反应过程。从势阱到产物还是需要翻越一个势垒,尽管这是能量低于反应物极限的潜入式能垒,但相对于势阱,该势垒高度达到2e V,对反应概率有重要的影响。对反应中H2O分子同位素效应的初步研究发现,势垒的相对高度是反应性的决定因素。此外,两个反应物相对运动速度对于困于势阱的未反应轨线与反应轨线之比影响最大。因此,虽然Be+与H2O的反应没有反应势垒,但反应的主控因素并不是长程相互吸引作用,传统捕获模型不适用于该反应。第三章以HCl与OH反应为例,仔细分析反应势垒存在时的反应机制。虽然反应由势垒位置对应的过渡态主控,但轨线的分析表明反应总体上分成两种类型。一种是翻越势垒的直接过程,另一种是在翻越势垒前在一个浅势阱中形成复合物的间接过程。运用不同坐标系下的数据做为降维计算的输入,轨线的分类一致,但特征在细节上略有差别,给进一步的相似度分析造成不同的影响。选择合适的轨线为标准,辅助以趋势线的拟合,能够更好的做定量分析讨论。