随着现代的国防军用技术及建设的快速发展,含能材料作为火炸药、火箭的主要动力来源越来越被人们重视,并且其性能的要求也越来越高。目前,含能材料的获得是依靠大量的反复实验进行合成,含能材料研制具有高成本、低效率等问题。本文针对上述存在的问题,运用多元线性回归、偏最小二乘法、BP神经网络算法对多硝基芳香族化合物的构效关系展开研究,以期具有高效特定性能的含能材料的合成。本文具体的研究工作如下：(1)利用化合物的特定密度性能及结构参数数据进行了构效关系研究,建立了分子密度构效关系的多元线性回归分析预测模型,实验结果表明,运用MLR算法提高了分子密度预测精度。(2)利用化合物的特定生成焓性能及结构参数数据进行了构效关系研究,建立了分子生成焓构效关系的偏最小二乘预测模型,实验结果表明,运用PLS算法提高了分子生成焓预测精度。(3)利用化合物的特定爆速性能及结构参数数据进行了构效关系研究,建立了爆速构效关系的BP神经网络预测模型,实验结果表明,运用BPNN算法提高了爆速的预测精度。(4)基于上述三种模型建立了分子构效分析性能预测系统。该系统能够对多硝基芳香族含能化合物的密度、生成焓及爆速进行预测,误差较小,预测精度较高。通过对上述三种预测模型的验证分析及对预测数据进行预测分析得出多硝基芳香族化合物的性能预测值与真实值比较吻合,结果表明三种模型较为精确；分子构效分析性能预测系统对多硝基芳香族化合物的性能预测精度较高,所以此结论为含能物质性能的预测提供了理论的参考依据。