估算有机化合物土壤吸着系数Koc的片段常数法

根据592种有机化合物实测Koc数据，研究了用片段常数法估算有机化合物土壤吸着系数的可能性。将592种化合物随机划分为建模组和验证组。前者用于模型建立，后者用于模型检验。计算结果证明，包括74种结构片段和24个结构校正因子的回归模型能够很好地预测有机化合物的吸着系数。对所有592种化合物而言，模型的可次系数高达0．9696。估算结果的平均绝对误差仅为0．37个对数单位。

有机化合物吸着系数(Koc)估算模型比较

基于 592种化合物的Koc实测数据 ,分别采用片段常数法和分子连接性指数法建立了其估算模型 .根据模型残差分析了两种模型的预测误差 ,并运用 2种方式的jackknife检验比较了它们的稳健性 .片段常数模型涉及较多变量 ,其应用受到有限的已知片段常数以及烦琐的片段划分过程的限制 ,相比之下 ,分子连接性指数模型变量数较少 ,其应用时只需了解化合物的结构式 .片段常数模型的估算精度略高于分子连接性指数模型 ,两者的差别主要体现在logKoc<1和logKoc >4的化合物上 .分子连接性指数模型的稳健性比片段常数模型高 .在依次删除一类特定类别化合物时 ,其估算误差的变异幅度均小于片段常数模型 .

有机化合物K_(OC)片段常数估算模型的误差与稳健性分析

分析了估算有机化合物吸着系数的片段常数模型的误差．并用４种不同方法检验了估算有机化合物吸着系数（ＫＯＣ）的片段常数模型的稳健性．重复随机抽取单一化合物、逐一抽取估算值与实测值差别较大的个别化合物、重复随机抽取５０个化合物以及逐一抽取特定化合物类别．检验结果表明，模型估算的绝对误差随ｌｏｇＫＯＣ实测结果增大而增大，而误差较大的多为亲水化合物．估算误差中的相当部分实际上来源于实测数据的误差波动．无论是单一抽取或成组抽取化合物的ｊａｃｋｋｎｉｆｅ检验结果证明模型具有较高的稳健性．相对而言，不同类别抽取的ｊａｃｋｋｎｉｆｅ可决系数波动较大。

氯代烷烃化合物活性参数预测研究

目的探讨方便准确地预测氯代烷烃类化合物的活性参数的方法。方法对氯代烷烃类化合物的3种活性参数[有机碳吸附常数(Koc)、正辛醇-水分配系数(Kow)、生物浓缩因子(BCF)]与气相色谱保留指数的相关关系进行研究,分别建立3种活性参数与保留指数及化合物中碳氯总数的一元线性回归方程及二元回归方程。结果用保留指数和碳氯总数分别与氯代烷烃类化合物lgKoc、lgKow、lgBCF所建立一元线性回归方程的相关系数分别为0.729,0.730,0.761和0.868,0.869,0.889;用保留指数和碳氯总数与3种活性参数所建立的二元回归方程的复相关系数分别为0.957,0.957,0.959,均有较好的相关性(P<0.05)。预测误差分析结果表明,二元回归方程的预测精度高于一元回归方程。结论所建立的二元回归方程能较好地预测氯代烷烃类化合物的3种活性参数。