论文部分内容阅读
本文概述了持久性有机污染物的一般性问题、定量结构性质相关(Quantitative Structure-Property Relationships-QSPR)研究、偏最小二乘回归(Partial Least Squares-PLS)和量子化学算法。 本研究以多氯联苯醚(PCDEs)和多溴联苯醚(PBDEs)作为研究对象,进行QSPR研究。基于18个量子化学参数作为分子结构描述符,量子化学算法选用PM3算法,采用PLS进行回归分析,首次建立PCDE类和PBDE类化合物的环境分配性质—过冷液体蒸汽压(PL)、辛醇/水分配系数(KOW)、水溶解度(SW,L)的QSPR模型及PBDEs的辛醇/空气分配系数(KOA)与环境温度、分子结构相关关系(QRSETP)模型,并采用MNDO和AM1算法建立PCDEs的PL的QSPR模型,对不同量子化学算法进行了比较。 研究表明,模型的Q2cum值较高。经检验,模型的预测值与实测值接近,表明模型有较好的预测可靠性,因此所得模型可用于实际预测。 在PBDEs过冷液体蒸汽压的QSPR模型中,分子间色散力是决定PL值大小的主要因素,其次静电力、偶极-偶极、偶极-诱导偶极作用也影响PL的大小。所得模型的Q2cum为0.993,表明模型有较好的预测能力,并对其它PBDEs类化合物的PL值进行了预测。 建立PBDEs在不同温度下的logKOA模型,并对不同温度范围的logKOA值进行预测。最佳模型包括9个理论分子结构参数和1/T作为预测值,模型交叉验证的Q2cum值为0.975,表明模型有很好的预测能力和稳定性。 研究表明分子间色散力是决定PL、KOW和KOA大小的共同因素。 采用AM1和MNDO算法建立了PCDEs类化合物logPL,logKOW和logSW,L的QSPR模型,并与PM3算法得到的模型进行比较。其中PM3算法得到的拟合结果最好,但对所选化合物来说,三种算法都适用。因此,得到的模型均可以应用于PCDEs类化合物理化参数的预测。