定量结构-性能关系研究(Quantitative Structure-Property Relationships,简称QSPR)为材料学的重要组成部分。研究者从材料的结构入手,推测其材料的具体性能。QSPR来自一个化学界的普遍假设即化合物的分子结构决定其性质。因此,如何建立良好的定量结构-性能关系的数学模型,是化学与材料学中的热点问题之一。从原则上说,探讨该问题有两种基本策略：第一原理计算方法和半经验方法。数据挖掘就是一种半经验技术,其主要指综合运用多种算法,从大量数据中发现事先未知的信息和知识的计算机数据处理过程。作为一门多学科的交叉技术,数据挖掘已成为数据库系统和机器学习领域的重点研究课题,因其应用前景广阔而受到学术界和工业界的广泛关注。本工作中,基于第一性原理的CASTEP程序和一些通用的数据挖掘算法被用于计算两类钙钛矿型材料：钙钛矿型离子导体和有机-无机杂化钙钛矿材料。由于其在氧气感应器和固体氧化物燃料电池(Solid Oxide Fuel Cells,简称SOFC)中的应用,钙钛矿型离子导体在近年来颇受关注。氧气感应器广泛应用于冶金、汽车、制药和生物研究等领域。SOFC具有寿命长、可适应燃料广泛等优点,在众多燃料电池中很有优势。同时SOFC对发展绿色能源非常之重要。钙钛矿型离子导体正是一种适合作为SOFC中固体电解质的极有潜力的材料。氧离子导电能力是衡量SOFC中电解质性能的关键材料性质。排除氧分压和工作温度的影响,钙钛矿型离子导体的导电能力应该受到其成分与结构的控制,因而有必要研究两者之间的关系。本文收集了这些钙钛矿型氧化物的原子参数与离子导电率,研究其间的内在联系。CASTEP第一性原理计算和一些经典数据挖掘方法如偏最小二乘法(Partial Least Squares,简称PLS),逆传递人工神经网络(Back Propagation Artificial Neural Network,简称BP-ANN),支持向量回归(Support Vector Regression,简称SVR)等都被用于对钙钛矿型氧化物离子导电能力的计算和建模。在第一性原理计算结果中,本文发现,在AB03型钙钛矿氧化物晶体中,无论是掺杂与否,氧离子导电率σ的自然对数Ln(σ)与其P/L值(BO6八面体边缘O-O键的电荷布居数P与键长L之比)之间大致存在某种二次曲线关系。而在数据挖掘所建立的模型里,SVR算法建立的模型对Ln(σ)的预测与泛化能力要强于BP-ANN和PLS模型。有机-无机杂化钙钛矿新材料,是通过有机单元与无机单元的自组装形成的一类新型的分子复合晶体材料。无机金属卤化物构成的钙钛矿框架,提供了有序的载流子传输网络并提高杂化材料的机械稳定性和热稳定性,而有机组份则使材料具有功能性和易加工性等。杂化材料的自组装形成了无机半导体层和有机层交替结构,从而具有优异的光、电、磁性能,近年来已显示出广阔的应用前景。光学性能是有机-无机杂化钙钛矿材料重要的特征之一。显然该性能与杂化材料的成分与结构相关,因此很有必要研究两者之间的关系。本文将基于第一性原理的CASTEP程序和一些数据挖掘算法应用于计算有机-无机杂化钙钛矿材料的光学性能和晶格常数。所用数据挖掘算法包括偏最小二乘法、人工神经网络和支持向量机。并且实验合成出了两种有机-无机杂化钙钛矿材料((C4H9NH3)2SnI4和(C6H5C2H4NH3)2SnI4),然后测量其紫外-可见光谱。本文对照实验值和计算值,分析了第一性原理和数据挖掘方法两者所得结果的优劣。