杨 蕾，王 鹏，王 虹，3，蒋益林

(1.哈尔滨工业大学 基础交叉与科学技术研究院，150001哈尔滨，leiyang84@vip.sina.com;2.哈尔滨工业大学市政环境工程学院，150090哈尔滨;3.黑龙江大学化学化工与材料学院，150080哈尔滨)

在环境化学领域，QSAR是进行有毒化学品生态风险评价的重要手段之一.目前，QSAR研究中常用的方法有多元线性回归分析(MLR)、人工神经网络(ANN)等，后者在处理非线性关系方面有着非常强大的功能，而化合物的结构和毒性之间大多存在非线性的关系，使ANN成为QSAR研究的热点[1－3].

由输入变量ANN便能预测输出变量，但网络内部的作用机理往往被忽略，因而被认为是个黑箱模型.近年来，研究者提出了许多方法来描述变量在神经网络QSAR模型中所起的作用，然而大多数方法被用来消除不相关变量，因而被称为修剪方法[4－6].简单地说，修剪算法就是由具有高度联结的网络(i.e.神经元之间有许多连接)开始，逐步移除弱连接，或当连接移除时，网络误差无明显变化的连接.事实上，在QSAR建模中，不仅需要好的预测能力，还要了解每个输入变量对输出的相对贡献大小.本文回顾和比较了用ANN建模并解释QSAR模型的6种方法，这些方法被用来确定每个输入变量对输出的贡献，因而不是修剪算法.

以35种硝基化合物对黑呆头鱼96 h的生物毒性为研究对象，探讨了ANN中引入变量选择方法后，QSAR模型的解释能力.结果表明，偏微分方法分析所建模型能得出最为全面准确的结果，模型具有良好的预测和解释能力;其次为分布图……