张晓彤， 国晶晶， 任 创， 宋丽娟＊， 孙 挺

（1.辽宁石油化工大学辽宁省石油化工重点实验室，辽宁抚顺113001；2.东北大学理学院，辽宁沈阳110004）

人工神经网络方法对卤代联苯化合物的QSRR研究

张晓彤1，2， 国晶晶1， 任 创1， 宋丽娟1＊， 孙 挺2

（1.辽宁石油化工大学辽宁省石油化工重点实验室，辽宁抚顺113001；2.东北大学理学院，辽宁沈阳110004）

将卤代联苯化合物作为研究体系，利用基于原子类型的电子拓扑结构（E－state）和基于13种原子类型的电性距离矢量描述子（MEDV－13）作为描述符，分别应用多元线性回归、人工神经网络中的误差反向传播神经网络和径向基函数神经网络的方法建立了55种卤代联苯化合物的QSRR模型。使用人工神经网络的方法预测的结果比多元线性回归的方法的结果稍好，相关系数R可以达到0.99以上，说明使用人工神经网络的方法能够准确地预测卤代联苯化合物的气相色谱和液相色谱的保留指数。

QSRR； 卤代联苯化合物； 多元线性回归； 人工神经网络

色谱保留指数，又称科瓦茨指数（Kovats index），是色谱定性指标的一种重要参数。它是一种重现性较其它保留指数都好的定性参数，其主要优点是它只受色谱柱和柱温的影响，而与其它因素无关。定量结构－色谱保留相关（Quantitative Structure－Retention Relationships，QSRR）研究的主要任务是建立分子结构参数和色谱保留值之间的定量关系，对于色谱保留值的预测、色谱分离条件的选择以及色谱保留机制的探索等都具有重要的意义。因此，QSRR研究在色谱科学领域得到了广泛关注［1］。卤代联苯化合物被广泛地应用于工业绝缘材料和阻燃材料，这些物质很难降解，对环境以及人类的健康造成很大的影响［2］。……