论文部分内容阅读
近年来,随着城市化过程的加快以及经济的快速发展,成千上万种化学物质被排放到环境中,化学物质的环境危险性评价显得越来越重要。计算机科学、统计学、物理有机化学、生物学等相关学科的发展,定量结构-活性/性质关系(Quantitative Structure-Activity/Property Relationship, QSAR/QSPR)方法的出现为有机物的环境风险性评价提供了一个重要的、不可缺少的手段。建立准确、高效的定量结构-活性/性质关系模型,不仅可以定量地预测有机污染物在环境中的迁移、转化行为,而且可以避免实验研究的滞后性,是“预防污染”的基础和前提,因此具有重要的理论及实际意义。本论文以持久性有机污染物和典型毒害有机污染物为研究对象,比较了不同QSAR/QSPR研究中的不同建模方法,本论文分为以下四章:第一章简述了有机污染物的环境风险评价、定量结构性质关系及其研究进展。第二章以64个持久性有机污染物(POP)为研究对象,基于三种不同的建模方法遗传算法-多元线性回归,最小二乘支持向量机,局部建模建立了用于预测持久性有机污染物土壤吸附系数的定量结构性质关系模型。局部建模方法给出了最优的结果,训练集和测试集的相关系数的平方(R2)分别为0.894和0.860,交叉验证系数(Q2)为0.860。说明所建模型具有良好的预测能力和较强的稳健性,可以用于有机污染物的土壤吸附系数的预测。论文第三章,基于密度泛函理论B3LYP方法获得准确的分子三维结构信息,建立了预测70个多氯联苯的有机碳吸附系数的定量结构性质关系模型。通过遗传算法选择合适的描述符,基于多元线性回归方法和最小二乘支持向量机方法建立相应的线性和非线性模型。通过比较不同的结构优化方法,发现相对于半经验的量子化学方法,基于B3LYP方法得到的三维分子结构建立的QSPR模型具有较好的预测结果。第四章将遗传算法(GA)与最小二乘支持向量机(LSSVM)相结合用于定量结构性质关系研究中描述符的选择和模型的建立,用于96个有机杀虫剂的结构与亨利常数之间定量关系模型的建立。比较以往的遗传算法-多元线性回归(GA-MLR)方法选择的描述符,GA-LSSVM方法给出更好的结果。遗传算法-最小二乘支持向量机方法建立的模型,对于训练集R2=0.785, Q2=0.637, RMSE=1.010,对于测试集预测的R2为0.734, RMSE为1.171。说明遗传算法-最小二乘支持向量机(GA-LSSVM)是一种具有潜力的描述符选择和模型建立方法。