定量结构—性质关系QSPR (Quantitative Structure-Property Relationships)已成为化学计量学的一个十分重要的分支,目的是预测未知化合物的性质和活性,已经成为对有机污染物进行生态风险评价的一个重要手段,它可以用于预测有机污染物在环境中的迁移、转化和分布等行为。本论文研究的是多氯联苯化合物(PCBs)的定量结构—性质关系,PCBs是一类持久性有机污染物,在环境中普遍存在,作为化工原料应用于各种商业途径,例如载热流体,有机稀释剂,增塑剂,涂料添加剂等等,人体通过食用含PCBs的食物产生富集也会对人体有很大伤害。这一类化合物对环境和人体都有着很大的危害,因此,我们需要去研究它们的一些性质,包括保留行为、性质、活性／毒性分析,但是目前通过试验方法很难获得,有必要寻求方法对这些性质做出预测,本研究采用的方法是QSPR建模。本文应用Chem Window绘图软件对209个PCBs作图,通过SymApps计算3D结构得到其空间稳定构型,每个空间构型对应着一个分子空间坐标。对PCBs分子的空间坐标进行研究,定义了3个描述符,原子距离指数Ys,分子空间特征指数YF及在Wiener基础上定义的指数YW。采用SPSS软件和Matlab软件分别用多元线性回归方法和BP神经网络获得了多氯联苯化合物的气相色谱相对保留时间(GCRRT)和一些理化性质与该空间距离指数之间的QSPR模型。结果表明,通过线性和非线性方法处理均得到良好的相关性,这也说明了本研究中的自定义3D距离指数基本上能够反映分子的空间结构特征,具有较高的预测能力和可靠性。比较两种方法对GCRRT的预测集估计的误差值,BP神经网络计算的误差较线性回归计算得到的小,说明BP神经网络模型的非线性映射能力能更好的估算所要研究的性质,模拟精度较好,整体性能优于线性回归。另外,利用这三个指数对PCBs进行聚类分析,判断分析多氯联苯环上Cl原子的个数,对区别研究PCBs的同类化合物有很大帮助。