基于DFT的二英脂-水分配系数QSPR研究

基于密度泛函理论,利用多氯二苯并对二(噁)英(PCDDs)和多氯二苯并呋喃(PCDFs)几何构型全优化而得的量子化学和延伸计算参数:前线轨道能、熵、无迹四极矩、分子绝对硬度、电负性和亲电指数等,对两类化合物在(虹鳉)脂-水间的平衡分配性质进行了定量化模型研究,并由多元线性回归分析(MLR)建立了二次函数型的定量结构-性质相关关系(QSPR):lgKbw=5.343-0.001(S-125.480)2-0.355(ω-3.239)2 0.006(Qzz-2.950)2-22.728(η-2.365)2.结果表明,模型具有较高的拟合优度与稳健性,其决定系数和交叉验证相关系数分别为0.943和0.908,且模型的内外部预测性能理想,总体质量明显优于SOFA(solubility parameter for fate analysis)计算结果,可用于未知脂-水分配性质的预测; PCDD/Fs脂-水平衡分配(系数)主要与分子体积以及由电荷分布决定的芳烃分子间相互作用有关,也受潜在的生物转化和分子反应性的影响.     

应用量子化学参数预测多氯有机物的分配性质

应用量子化学AM1算法求得多氯有机物的量化参数，以此来构建定量结构－性质相关（QSPR）模型。该模型能较好地预测多氯有机物的正辛醇／水分配系数（Kow)和沉积物吸附系数（Koc).Kow和Koc平均误差分别为0．31和0．33个对数单位。模型的稳健性检验结果表明：模型中自变量不存在相关关系；残差呈正态分布；对Koc来说，PCB和PCDD／F在构建模型中起核心作用，剔除该类化合物导致模型相关系数明显下降，农药类及氯硝基苯类化合物的存在降低了模型的精度。     

邻苯二甲酸酯类化合物正辛醇-水分配系数的QSPR研究

采用PM3算法计算邻苯二甲酸酯类化合物(PAEs)的量子化学参数,应用偏最小二乘(PLS)算法建立了PAEs的正辛醇-水分配系数(K_OW)的定量结构-性质相关(QSPR)模型.模型的结果表明,用量子化学参数建立的QSPR模型相关性显著,具有较好的稳健性和预测能力,因此,利用该模型可对其他PAEs分子的lgK_OW值进行初步预测.模型的结果表明,影响lgK_OW的主要量子化学参数是分子总能量TE、相对分子质量M_r、平均分子极化率α和分子生成热ΔH_f.lgK_OW随着M_r和α的增大而增大,随着TE和ΔH_f的增大而减小.     

分子连接性指数法预测多氯联苯醚(PCDEs)的理化性质

通过计算多氯联苯醚(PCDEs)所有209种可能分子结构的分子连接性指数,以106种PCDEs理化性质的实验值为建模样本,建立并优选了PCDEs的饱和蒸气压(PO_L)、水溶解度(S_w)和正辛醇/水分配系数(K_ow)的定量结构--性质相关(QSPR)方程,检验结果表明方程相关性显著.在此基础上对其余103种文献中尚未报道实验值的PCDEs的上述参数进行了预测.利用得到的预测值,进一步给出了另外3种理化性质--亨利常数(H)、空气/水分配系数(K_gw)、空气/正辛醇分配系数(K_go)的计算结果.      

二噁英结构与正辛醇-水分配系数相关性的密度泛函理论

为精确描述二噁英分子的电子结构及其定量结构/性质相关关系(QSPRs),运用密度泛函理论,在B3LYP/6-311G**水平上,分别对多氯二苯并对二噁英(PCDDs)和多氯二苯并呋喃(PCDFs)进行了优化计算.相应量子化学参数,即平均分子极化率(α),熵(S),极化率和四极矩的张量分量(αxx,αyy,αzz和Qxx,Qyy,Qzz)用于该类化合物辛醇-水分配系数的QSPR研究,构建了2个单变量和1个双变量模型,其决定系数R2分别为0.962、0.950和0.951;其显著性检验因子F分别为509.759、379.498和186.234.PCDD/Fs在辛醇相-水相间的分配性质主要与分子体积因素有关,而电性因素的影响较小;不同模型预测值间的差异与模型中预测变量本身性质和实验值的有限性有关.经比较,本研究中所建立的3个QSPRs模型尽管只有1个或2个变量,但其结果与复杂的偏最小二乘分析(PLS)相近.     

多溴联苯醚定量结构-性质关系的分子表面静电势应用研究

对持久性有机污染物多溴联苯醚(PBDEs)209个分子进行HF/6-31G*水平上的结构优化,并在优化结构基础上进行了分子静电势及其导出参数的计算.应用多元线性回归方法对PBDEs的色谱保留时间(RRT)、正辛醇/空气分配系数(lgKOA)和298K超冷流体蒸气压(lgpL)3种理化性质与分子结构参数进行了关联.结果表明,分子表面静电势参数结合苯环上溴原子取代个数比结合分子体积,可以更好地表达PBDEs的理化性质与其分子结构间的定量关系,所建立的3个QSPR模型的交叉验证相关系数(Rc)分别为0.981 9、0.991 1和0.996 3,标准偏差(SD)分别为0.042 4、0.138 4和0.102 0,说明3个模型均具有较强的稳健性和预测能力,同时也证明了分子静电势参数在PBDE类化合物的QSPR研究中的适用性.     

应用线性溶剂化能参数预测多氯有机物的分配性质

应用线性溶剂化能方法构建定量结构-性质相关(QSPR)模型.该模型能较好地预测多氯有机物的正辛醇/水分配系数(K_ow)和沉积物吸附系数(K_oc). K_ow和K_oc平均误差分别为0.43和0.37个对数单位.模型的稳健性检验结果表明,模型中自变量不存在相关关系,残差呈正态分布;对K_oc来说,PCB和PCDD/PCDF在构建模型中起核心作用,剔除该类化合物导致模型相关系数明显下降,农药类和氯硝基苯类化合物的存在降低了模型的精度.     

一种紫外-可见光谱检测水质COD预测模型优化方法

针对紫外-可见光谱法检测水质COD预测模型的精度低和收敛速度慢等问题,研究了一种基于粒子群算法联合最小二乘支持向量机(PSO_LSSVM)的水质检测COD预测模型优化方法,并引入主元分析(PCA)算法对模型输入光谱数据进行降维预处理,借以提高模型的收敛速度.结果表明,利用粒子群(PSO)算法收敛速度快和全局优化能力,优化了最小二乘支持向量机(LSSVM)模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性,克服了传统LSSVM预测模型的精度较低、稳健性较差等缺点.通过以收敛时间、预测平均相对误差(MRE)和均方根误差(RMSE)为评价标准进行评估,输入样本经过PCA降维预处理的PSO_LSSVM模型的预测能力和输入样本未经过降维预处理的LSSVM模型与PSO_LSSVM模型进行了比较分析,输入样本经过PCA降维预处理的PSO_LSSVM模型预测效果最优,且此算法使用C语言实现,易于移植,这为紫外-可见光谱水质COD在线、实时性检测奠定了基础.     

部分多氯联苯生物富集因子的QSAR研究

基于氯原子的个数及取代位置的不同,定义了氯原子密度(D)。D及二阶连接性指数(2Xv)对多氯联苯分子呈现出良好的结构选择性。结合正辛醇/水分配系数与37种多氯联苯在鱼体内的生物富集因子(lgBCF)拟合,建立令人满意的数学模型:lgBCF=-0.191+1.649·2Xv-0.015·D-0.442·lgKow,n=37,R=0.922,F=62.029,S=0.338。该模型经Jackknife法检验具有总体稳健性,能够较为准确估算与预测有机污染物的生物富集因子。     

取代苯对人体细胞的定量结构—遗传毒性研究

通过微核实验,测定了 36 种取代苯类化合物对人体外周血淋巴细胞的遗传毒性;并构建了遗传毒性与分子结构参数之间的 QSAR 模型.结果表明,有 34 种化合物显著地导致了微核的产生,具有明显的遗传毒性;遗传毒性的大小与分子结构描述符辛醇-水分配系数(MlogP)、x 轴主惯性矩(Principalx)、γ 极化率[Polar(γ)]等存在良好的结构-活性相关关系,所建模型的相关系数 R² =0.718,具有较高的预测能力,可用来预测取代苯类化合物的遗传毒性.     

Novel quantitative structure activity relationship models for predicting hexadecane/air partition coefficients of organic compounds

Predicting the logarithm of hexadecane/air partition coefficient (L) for organic compounds is crucial for understanding the environmental behavior and fate of organic compounds and developing prediction models with polyparameter linear free energy relationships. Herein, two quantitative structure activity relationship (QSAR) models were developed with 1272 L values for the organic compounds by using multiple linear regression (MLR) and support vector machine (SVM) algorithms. On the basis of the OECD principles, the goodness of fit, robustness and predictive ability for the developed models were evaluated. The SVM model was first developed, and the predictive capability for the SVM model is slightly better than that for the MLR model. The applicability domain (AD) of these two models has been extended to include more kinds of emerging pollutants, i.e., oraganosilicon compounds. The developed QSAR models can be used for predicting L values of various organic compounds. The van der Waals interactions between the organic compound and the hexadecane have a significant effect on the L value of the compound. These in silico models developed in current study can provide an alternative to experimental method for high-throughput obtaining L values of organic compounds.     

基于改进支持向量机的石煤提钒行业清洁生产评价研究

采用遗传算法(GA)对支持向量机(SVM)进行改进,并将其应用于石煤提钒行业清洁生产评价.在系统研究石煤提钒工艺类型的基础上,根据前期已建立的石煤提钒行业清洁生产评价指标体系,提出GA改进SVM的应用思路,通过对3种工艺类型企业的现场数据采集,形成训练和测试样本,并利用GA算法确定出各类参数(惩罚参数C和核函数参数g),分别为强酸浸工艺C=2.1049,g=5.2184;弱酸浸工艺C=0.0035286,g=1.9947;水浸工艺C=0.39587,g=1.4105.GA-SVM模型测试结果表明,分类精度达到100%.通过与其他评价方法对比表明,训练好的GA-SVM方法针对小样本数据在分类精度和可操作性上都较其他方法有明显优势,实现了对石煤提钒行业清洁生产水平的定量评价.     

羧酸及其衍生物急性毒性的QSAR研究

基于定量结构-活性相关性(QSAR)原理,研究了27种羧酸及其衍生化合物结构与其急性毒性LC50之间的内在定量关系。应用遗传算法从大量结构参数中优化筛选出与LC50最为密切相关的五个参数作为分子描述符,得出影响羧酸及其衍生物急性毒性的主要结构特征为分子的大小及其空间效应等。分别采用支持向量机(SVM)方法和多元线性回归(MLR)方法建立了相应的QSAR预测模型,并对所建模型分别进行了内部验证和外部验证。结果表明,两种模型均具有较高的稳定性、预测能力及泛化性能。其中,支持向量机模型对训练集和预测集样本的预测平均绝对误差分别为0.149和0.211,优于多元线性回归方法所得结果。     

利用Hyperion高光谱数据的三波段法反演太湖叶绿素a浓度

以2004-08-19太湖野外试验所获取的水质数据(叶绿素a浓度7.8~154.3μg.L-1,总悬浮物浓度65.0~190.2 mg.L-1,N=38)和同步的Hyperion星载高光谱数据为研究对象,利用三波段算法反演太湖水体的叶绿素a浓度.通过分析太湖固有光学量的特点,提出适用于太湖的3个特征波段的选择依据,并对波段进行优化计算,在此基础上建立了三波段统计模型,最后对模型的反演精度进行分析与评价.结果表明,Hyperion的B34(691.37 nm)、B37(721.90 nm)和B50(854.18 nm)组成三波段模型变量与叶绿素a浓度具有最高的相关系数(r=0.934),模型的决定系数(R2)和均方根误差(RMSE)分别为0.872和13.93μg.L-1,其反演精度优于传统经验统计模型,如比值模型(R2=0.844,RMSE=15.41μg.L-1)和一阶微分模型(R2=0.831,RMSE=16.00μg.L-1).研究结果证实了三波段法适用于内陆富营养化浑浊水体和Hyperion高光谱数据,为今后更精确地反演内陆水体的叶绿素a浓度提供了参考依据.     

基于机器学习方法的太湖叶绿素a定量遥感研究

为了比较评价人工神经网络和支持向量机2种机器学习算法在水质遥感中的应用能力,本研究首先从基础理论和学习目的入手,对比分析了2种机器学习算法的理论体系;其次,以太湖为例,基于MODIS遥感影像,构建了反演太湖叶绿素a浓度的2种机器学习方法模型,通过对模型的验证、稳定性和鲁棒性分析以及全湖反演结果对比3个方面评价了2种模型的泛化能力.验证结果表明,支持向量机模型对验证样本预测结果的均方差根和平均相对误差分别为5.85和26.5%,而人工神经网络模型的预测结果均方差和平均相对误差则高达13.04和46.8%;稳定性和鲁棒性评价亦说明,以统计学习理论为基础的支持向量机模型具有更加良好的稳定性、鲁棒性,空间泛化能力优于人工神经网络模型;2种机器学习算法对太湖叶绿素a的浓度分布反演结果基本一致,但人工神经网络模型因其学习目标设定和网络构建中的“过学习”等缺陷,造成了对东太湖以及湖心区叶绿素a的反演结果与实际监测结果差异较大.     

基于QSAR模型预测有机污染物在XAD与空气中的分配系数

基于定量构效关系(QSAR),运用线性(逐步多元回归MLR)和非线性(支持向量机SVM)两种计算方法开发了两种可靠且高效预测聚苯乙烯二乙烯基苯树脂(XAD)和空气之间分配系数(K_XAD-A)的模型.构建模型的数据包含醇类(Alcohols),苯类(Benzenes),多氯联苯(PCBs)和多环芳香烃(PAHs)等,共计70种有机污染物.两个模型的决定系数R²_adj和外部验证系数Q²_ext均在0.930以上,同时所有物质均在定义的应用域内,结果表明两种QSAR模型有较高的拟合度、稳健性和较为优秀的预测能力,且非线性(SVM)模型比线性(MLR)模型的拟合效果更好.     

O3/UV反应体系的有机物消解动力学模型

为了提高O₃/UV（臭氧协同紫外）反应体系对有机物的消解效率,降低能源消耗,基于O₃分解的SHB机理和O₃、有机物在紫外辐射下的光解机理,并考虑该反应体系中存在的3种可能的有机物消解途径和反应器出口处O₃气体浓度变化,建立了O₃/UV反应体系的动力学模型.将该模型用于消解过程中有机物消解率变化规律的研究,进一步优化消解工艺参数.结果表明:使用苯酚和乙酸作为目标有机物,以该模型进行仿真,从理论上验证了O₃气体浓度与紫外辐射间存在协同作用和不同工艺参数下所建立模型的灵敏性;将该模型与其他模型、试验测量值进行对比,验证了其优越性和准确性;对比不同pH下的3种消解途径各自贡献率的仿真结果,发现O₃/UV反应体系的pH对其消解有机物效率具有重要影响.研究显示:在O₃/UV反应体系中,紫外辐射强度和投加的O₃气体浓度二者间具有协同作用,同时调节可获得更好的消解效果;在酸性条件下有机物消解以O₃直接氧化为主,碱性条件下则以自由基间接氧化为主.