追求高能钝感是目前含能材料发展的主要趋势,对新型炸药的分子设计和性能预测的研究显得越来越重要。而对炸药性能预测的研究可以使我们是在分子设计阶段就能对新型炸药分子性能作出准确的预测,就能大大减少后期合成实验的工作量和盲目性,同时,也可以反过来指导分子设计。因此,对含能材料的性能预测尤为重要。国外已经通过传统的公式和一定的规则,编制了用来预测炸药性能的程序。而本文是采用量子化学结构参数和神经网络理论相结合的方法,以一种新的途径,对炸药性能与结构之间的关系进行了研究,并初步建立了用来预测炸药性能的模型。本文运用量子化学计算方法,计算了59种炸药分子的量化结构参数,分别对炸药的晶体密度,撞击感度和爆速进行了研究,建立了神经网络预测模型。模型的预测精度如下:(1)对炸药晶体密度预测的相对误差基本都在5%以下,对八硝基立方烷(ONC)的预测密度是2.00990g/cm3。(2)对撞击感度预测均方根误差RMS=17.84cm,相对均方误差RMS-relation=20.5,远好于文献[55]的预测效果,其均方误差RMS和RMS-relation分别为56cm和96。与两种传统计算模型作比较,神经网络模型预测效果明显优于传统的计算模型。(3)对爆速预测结果的最大相对误差是5.35%,最小0.53%,模型预测精度较好。通过对以上性能的预测结果可得出,神经网络可以很好地用来预测炸药的性能,这为估算新型炸药性能提供了一条新的途径,同时对炸药的分子设计研究也提供了有力指导。