含能材料被广泛应用于武器系统和民爆器材中，感度特征是衡量含能材料使用可靠性和安全稳定性的重要指标。设计新型含能材料结构并理论预测其感度性能成为近年来一个研究热点。本课题以大量常规含能化合物的实测感度数据为基础，利用量化计算得到的分子结构参数，对含能材料的热感度进行数理统计分析，并建立预测模型。获得的主要研究成果与创新点如下：（1）采用量子化学计算方法，对68种常见单质含能化合物的分子结构进行了量化计算，得到了含能化合物的稳定结构以及大量分子结构参数，从不同角度描述了分子的结构特性。（2）采用统计学方法，并参考各个参数在热爆炸过程中的实际物理意义对所得数据进行理论分析，从分子量化计算参数中挑选出了8种参数作为分子结构的“表述量”作为预测建模的输入量。模型输入量具有了与热感度明确的物理关系，而不是单纯的统计学关系。为后续研究，特别是新型含能化合物的分子设计提供参考。（3）将分子结构“表述量”进行归一化处理，采用神经网络作为建模工具，选择合适的训练方法并反复调整模型参数，建立含能化合物热感度预测模型，并将模型预测结果与实测值进行比较。所得神经网络模型在验证集上的预测值与实测值之间的皮尔森相关系数为0.884，调整后的拟合系数为0.771，每种物质预测值与实测值之间误差的均方差为33.27℃，表明模型具有很好的预测能力。（4）将建立好的神经网络模型的关键参数读取出来，采用MATLB编辑成可独立运行的界面程序。将理论计算得到的分子结构参数输入程序的输入框中，点击计算，便会在输出框内读取到相应含能材料热感度的理论预测值，操作简便。并采用Williams法对模型的适用范围做了分析和评价计算，模型应用限定值h可以利用含能化合物的分子结构“表述量”进行计算（0＜h＜0.5745）。