关键词：Y-NO键；均裂能；密度泛函理论；平均影响值；反向传播神经网络
摘 要：将基于平均影响值(Mean impact value,MIV)的反向传播神经网络(Back propagation neural netowrk,BPNN) (MIV-BPNN)方法用于提高密度泛函理论(Density functional theory,DFT)计算Y-NO(Y=N,S,O及C)键均裂能的精度.利用量子化学计算和MIV-BPNN联合方法计算92个含Y-NO键的有机分子体系的均裂能.结果表明,相对于单一的密度泛函理论B3LYP/6-31 G(d)方法,利用全参数下的BPNN方法计算92个有机分子均裂能的均方根误差从22.25 kJ/mol减少到1.84 kJ/mol,而MIV-BPNN方法使均方根误差减少到1.36 kJ/mol,可见B3LYP/6-31 G(d)和MIV-BPNN联合方法可以提高均裂能的量子化学计算精度,并可预测实验上无法获取的均裂能值.