熔点是有机化合物的基本热力学函数，研究者经常采用实验和某些经验方法获得。在现有的条件下，有些化合物的熔点无法通过实验获得，一些经验估算的结果也往往不合理。因此，通过建立数学模型来预测有机化合物的熔点，对于指导新型有机化合物的合成，特别是新型含能化合物的复杂的合成过程具有重要意义。利用人工神经网络方法估算有机物熔点，其预测结果优于数学回归法的预测结果，但是人工神经网络预测熔点时，其输入参数的表征复杂，而且不易获得。基团贡献法可以由少量的分子结构基团参数，建立简单的数学模型来估算有机化合物熔点。使用基团贡献法预测熔点时，对于相同基团的拆解结果的不同，从而导致预测结果的精度不一。为了克服两种方法的缺点，本文将基团贡献法与人工神经网络法结合进行有机物熔点的预测，人工神经网络的高度非线性功能，能在一定程度上说明分子组成基团之间的影响，理论上能极大的提高预测精度。本文根据所选样本分子结构特征，共得到32种分子基团作为神经网络的输入参数，根据样本种类的分布规律，共取25种样本作为检测样本。对初始权值、隐层数、隐层节点的设计进行分析讨论，确定BP人工神经网络预测模型的结构为32-12-1，输出参数为样本集的各物质的熔点。采用Matlab的trainlm函数对BP网络进行训练。训练达到最小误差要求后，对随机选取的测试集的样本进行预测。最后在研究BP神经网络的基础上，结合Visual Basic6.0作为开发工具，实现BP神经网络预测模型的可视化操作。基于基团贡献方法的BP人工神经网络模型，样本预测的平均相对误差为7.97%，平均绝对误差为6.25℃，对相同的检测样本使用文献报道的JR法进行预测，预测结果的平均相对误差为21.92%，平均绝对误差为20.63℃。通过基团贡献法与人工神经网络法相结合，预测纯有机化合物的熔点，这种方法的预测精度高于大部分文献报道的基团贡献方法，也为人工神经网络法提供了较为简单，易定的输入参数。将抽象的BP神经网络预测模型，通过VB编程语言开发成一个可视化，图像界面丰富的操作系统。预测熔点时，只需要建立相关的数据库，将数据库引用到通过VB语言实现数学模型的可视化操作系统中，通过简单的操作即可得出结果。