太阳能电池光电转化效率是评价太阳能电池性能的一项重要参数,精确地预测光电转化效率对提高染料敏化太阳能电池性能具有重大的意义。但是由于电池器件的结构复杂,很难通过量子化学方法从分子结构机理得到光电转化效率的实验值。应用智能计算方法可以避开量子化学方法复杂的反应过程,因此,可以用量子化学方法计算敏化染料分子的物理化学性质,然后基于智能计算方法来建立分子物化性质及结构性质与光电转化效率之间的回归模型,得到光电转化效率的预测值。本文的主要工作是利用量子化学B3LYP方法在STO-3G和6-31G(d)基组上计算染料分子基态以及激发态的物理化学性质,然后利用支持向量机(SVM)结合5种特征选择方法(多元线性回归、顺序前向搜索、顺序后向搜索、+N-n方法和平均影响值)建立分子物化性质、结构性质与光电转化效率之间的回归模型。本文以短路电流(Jsc)、开路电压(Voc)和填充因子(FF)作为桥梁连接分子描述符与光电转化效率(PCE)之间的关系,建立级联回归模型,通过良好的模型评价准则作为理论支撑,基于B/S模式使用JSP语言,开发了太阳能电池光电转化效率预测系统。本预测系统能够精确预测PCE,从而修改分子结构,进一步提高染料分子的光电转化效率,最后可将设计得到的分子进行合成和器件研究。