鄂 旭，周 艺，李俏竺

（渤海大学 信息科学与技术学院，辽宁 锦州 121013）

0 引言

鱼类对水环境的变化十分敏感，当水体中的农药、污染物等化学物质到达一定程度时，会对鱼类造成一些不良影响和危害，包括急性毒性、慢性毒性、胚胎毒性及致畸性.因此，对各类化学物质的结构特性及其对环境影响的分析就显得十分重要.在安全评价中，通常只对急性毒性进行评价，而半致死浓度（LC50）则是衡量急性毒性的指标.

预测LC50浓度不仅可以为测定化学物质毒性强度、测试水体污染程度、检查废水处理的有效程度做出贡献［1］，也可以为制定水质标准、评价环境质量和管理废水排放提供环境依据.近年来，大多数学者采用定量构效关系（QSAR）的手段来预测化学物质的急性毒性［2］.其中，多维构效关系等价于多元线性回归问题，因此该手段在处理非线性关系时存在一定局限性.支持向量机（Support vector machine，SVM）是基于Vapnik提出的统计学习理论和结构风险最小化原理而建立的一种机器学习方法［3］，被认为是高维度、非线性情况下进行分类和回归的最佳方法，已经在不同领域和学科中被广泛应用.

本文在支持向量机的理论基础上，利用人工蜂群算法（Artificial bee colony algorithm，ABC）对支持向量机的核函数参数和惩罚因子进行优化，建立了一种ABC-SVM鱼类毒性LC50预测模型.这为快速、准确地预测各种化学物质中的鱼类毒性LC50浓度提供了一种新的可行方法，避免了人工使用化学方法进行分析预测的繁琐性和低效性.

1 支持向……

登录APP查看全文