基于本实验室吕庆章博士所提出的混沌遗传神经网络算法(Chaotic Genetic ANN：CGANN)，本论文主要从事了该算法的实际体系应用研究，包括以下内容： 1．对108种有机化合物的甲苯／全氟取代甲基环己烷(PFMC)两相分配系数以及29种含硫苯衍生物对发光菌的毒性效应进行了QSPR建模，并同商业软件(Cerius2 Program)中的遗传函数近似方法(Genetic Function Approximation：GFA)做了比较。结果发现，当使用相同的描述变量时，CGANN可得到与GFA相媲美的结果。为寻求更为简单的模型，我们尝试利用一些简单的化合物性质参数来进行建模，结果发现基于简单的化合物性质参数CGANN可以得到更好更简单的模型，这种利用化合物性质来预测性质的方法称为QPPR。相比其他方法而言，CGANN同QPPR的结合作为强大的非线形关系处理工具有独特的优势。 2．人工神经网络用途广泛，本节我们利用CGANN方法对活性染料对发光菌毒性进行了QSPR与模式识别分析，从活性染料结构入手，对他们的毒性进行了评估，为进一步设计健康，环保的绿色型活性染料提供了理论研究根据。同时我们使用CGANN方法作为模式识别工具，对压电TSM晶体传感器阵列数据进行了分析，结果发现压电TSM晶体传感器阵列能够准确的识别气态物质，比较其他方法而言，CGANN具有明显的优点，如容错能力更强，识别速度更快等，CGANN方法同压电TSM晶体传感器阵列的结合在气态物质识别中有着广阔的应用前景。