用纯理论计算分子生成焓的研究已经报道过很多次，并取得了不错的结果。G2理论计算小分子生成焓时误差更是达到了实验水平(小于2kcal／mol)。这是一个很有鼓励性的结果，它再次表明了理论解决实际问题的可能性。但是G2在应用上有一个大缺点，就是计算时极耗机时，特别是当分子比较大的时候。所以G2理论在实际应用上受到诸多限制。本文选用耗时较少的B3LYP方法计算分子生成焓，再用近年来快速发展的支持向量机(SVM)中的支持向量机回归(SVR)算法建立训练集，进而用于对测试集分子生成焓的预报，减少了B3LYP的计算误差。支持向量机(SVM)算法在生物，化学和药物活性分析等方面都有很好的结果。本文采用B3LYP-SVM结合的方法计算了261个中小型分子在298K时的生成焓。数据被随机地分为两部分：195个分子为训练集，66个分子为测试集。SVM参数的选择采用了新的格点搜索方法代替留一交差验证法。得到训练集的平均绝对误差(Mean Absolute Deviation，MAD)和最大误差(Maximum Deviation，MD)分别为1.51kcal／mol和9.23kcal／mol，相关系数为0.9995。对于测试集则为1.78kcal／mol，7.31kcal／mol和0.9990。对于261个分子来说，使用B3LYP-SVM方法校正后，MAD和MD分别为1.58kcal／mol和9.23kcal／mol，177个有机化合物生成焓的MAD更是减少到1.47kcal／mol。计算结果达到了G2水平，也在实验允许的误差水平内，却大大地减少了计算时间。这表明B3LYP-SVM可以作为计算大、小分子生成焓的有效方法。