含能材料是各类武器系统的主要做功能源，随战争环境、战争目的的变化，新型高能顿感含能材料的合成已成为了兵器科学领域重要的分支。在合成前计算出含能材料的爆轰性能，以计算数据指导后续的合成步骤，可以大大的减少合成过程的工作量、避免合成的盲目性、降低成本。因此，炸药爆炸性能的预测在含能材料的合成过程中起着越来越重要的作用。本文采用炸药的装药粒度、相对密度、极化率等11种宏观与微观影响因素建立炸药爆轰临界直径的人工神经网络预测模型；采用炸药的氧平衡为影响因素，以炸药的芳香性、α-CH键等因素为控制符建立炸药撞击感度的人工神经网络预测模型。采用遗传算法进行人工神经网络模型的权值、阈值优化，得到更优化人工神经网络模型，实现炸药爆炸性能的预测。本文预测结果如下：(1).对炸药爆轰临界直径的人工神经网络预测的最大误差为21.5%，最小误差为6.84%，误差基本可以控制在10%以内；采用遗传算法优化后的遗传-人工神经网络模型的预测最大误差为15.5%，最小误差为0.2%，误差基本可以控制在5%以内。(2).对炸药撞击感度的人工神经网络预测的最大误差为29.42%，最小误差为2.43%；遗传-神经网络模型撞击感度预测误差最大为10.89%，最小误差为0。通过预测结果可以看出，可以采用人工神经网络模型进行炸药爆轰临界直径和撞击感度的预测，采用遗传算法优化后的遗传-神经网络模型预测误差更小，效果更佳。