有机污染物与羟基自由基（·OH）和单线态氧（1O2）的反应是其在水环境中转化降解的重要途径,该反应的二级速率常数（kOH和k1O2）是评价其环境持久性和生态风险的重要参数。实验测定kOH和k1O2值效率低、成本高,难以满足种类众多且水中赋存形态多样的污染物生态风险评价的需求,发展定量构效关系（QSAR）预测模型是解决此问题的重要途径。本研究通过实验测定或已报道文献数据,构建了有机污染物水相kOH和k1O2的数据库,采用量子化学方法和Dragon软件计算分子结构描述符,基于不同的建模算法[如多元线性回归（MLR）、偏最小二乘（PLS）和支持向量机（SVM）等],构建了kOH和k1O2的QSAR模型,主要内容和结论如下:（1）构建了有机污染物水相kOH的QSAR模型。建立了包含526种有机污染物水相kOH值的数据库,基于MLR算法构建了 QSAR模型。模型具有良好的拟合能力[决定系数（R2）为0.805]、稳健性[交叉验证法和自举法的可解释方差（Q2CV和Q2BOOT）分别为0.797和0.791]和预测能力[外部验证的决定系数（R2ext）和可解释方差（Q2ext）分别为0.802和0.801];污染物的水相kOH主要受其分子的给电子能力影响,且与其电负性、极性和官能团等多种因素相关。对于4类具有明确·OH反应机制的污染物（饱和烷烃、烯烃和炔烃、酚和饱和醇）,其·OH反应活性受其反应位点数目、给电子能力等因素影响。（2）构建了可预测不同解离形态抗生素水相kOH的QSAR模型。通过竞争动力学实验,测定了 9种氟喹诺酮类（FQs）和1 1种磺胺类抗生素（SAs）在3个pH条件和3种不同解离形态下的kOH值。结果表明,20种抗生素在不同pH条件和解离形态下的kOH值表现出明显的差异。基于MLR算法构建了kOH的QSAR模型。模型具有良好的拟合能力（R2=0.805）、稳健性（Q2CV=0.778,Q2OOT=0.770）和预测能力（R2ext=0.820,Q2ext=0.816）。通过对模型的分析,发现抗生素水相kOH主要受其·OH反应位点（FQs的哌嗪环、喹啉环和SAs的苯环）数目、电荷分布及分子极性的影响。（3）构建了有机污染物水相k1O2的QSAR模型。建立了包含226种有机污染物水相k1O2值的数据库,基于逐步MLR和遗传算法（GA）筛选描述符,并基于MLR、PLS和SVM算法构建了 QSAR模型。模型具有良好的拟合能力（R2介于0.708～0.966之间）、稳健性（Q2CV介于0.671～0.858之间）和预测能力（R2ext和Q2ext介于0.721～0.891之间）;GA在筛选描述符方面优于逐步MLR,SVM非线性模型的性能明显优于MLR和PLS线性模型。有机污染物的水相k1O2值主要受其分子的给电子能力影响,且与其极化率、电负性和官能团等多种因素相关。对于4类具有明确1O2反应机制的污染物（含碳碳双键的污染物、酚、胺和含硫污染物）,其基于最高占据分子轨道能的非线性回归结果优于线性回归结果。综上,本研究采用模拟实验结合QSAR建模的方法,探索了有机污染物水相kOH和k1O2的预测方法,有助于填补可电离污染物与·OH和1O2反应动力学参数的缺失,为评价和预测有机污染物的环境持久性和生态风险提供基础数据和工具。