论文题目：典型持久性有机污染物在PUF-空气中分配系数的定量构效关系研究
摘要：大气环境中持久性有机污染物（POPs）的生物高毒性和环境累积性是国际社会共同关注的问题,普遍认为被动采样技术能够有效的监测大气中污染物的分布与迁移。近年来,聚氨酯泡沫塑料（Polyurethane foam,PUF）作为一种主流的吸附材料被广泛应用于被动采样,其中准确识别PUF-空气间的分配系数（KPA）是衡量采样成功应用的关键指标。大量研究表明,KPA在监测过程中往往会受到多种环境因素影响（如风速、温度和湿度）,此外考虑到有机污染物种类繁多、新型污染物层出不穷,仅通过实验难以满足环境风险评价和大气污染控制需求。因此,发展简单而快速的理论预测方法用于估算有机物的平衡分配系数显得尤为重要。为了掌握不同有机污染物在PUF上的分配行为,利用表征化合物分子结构信息的多参数模型来预测KPA是一个很好的选择。本文基于多参数线性自由能关系（pp-LFERs）和定量结构-性质关系（QSPR）,利用3种机器学习算法,建立了 12种不同的线性和非线性预测模型。对构建的模型进行了全面的验证评估与应用域表征,并从分子的角度探讨了有机污染物在PUF上分配行为的潜在机理。本研究中,通过查阅大量文献,收集整理了 362个有机污染物的KPA实验值,包括来自14个大类的有机化合物（如苯系物、多环芳烃族、多氯联苯类和农药）,涵盖了 4种不同环境温度下（-12℃、15℃、25℃、35℃）的分配特性。具体研究内容如下:（1）基于Abraham描述符的pp-LFERs研究。本文在4种不同环境温度下（-12℃、15℃、25℃、35℃）,分别利用逐步回归法对得到的Abraham描述符（E、S、A、B、L）进行筛选与处理,结合多元线性回归（MLR）开发了 4种pp-LFERs模型。在经过一系列的数理统计评估和交叉验证后,所得的4个最优预测模型均具有良好的拟合优度（Radj2=0.713～0.996）、稳健性（QLOO2:0.680～0.993;QBOOT2:0.738～0.791）和泛化能力（Rext2=0.708～0.998;Qext2:0.704～0.997）,通过一系列统计参数（CCC、SE、MAE和RMSE等）表明模型具有良好的预测性能,应用域表征表明建模的实验数据具有良好的代表性。此外,通过机理解释揭示了影响有机物在PUF膜与气相之间的分配系数的主要因素为溶质-溶剂相互作用、分子极化率、分子键、极化偶极作用和氢键作用。（2）基于AlvaDesc描述符的QSPR研究。本文在pp-LFERs研究的基础上,为了进一步探索有机污染物在PUF上的潜在吸附机理,本文根据362个有机污染物的KPA实验值,建立了两种QSPR预测模型。通过逐步回归法对5290个AlvaDesc描述符筛选出2～5个最优变量,运用经典线性算法（MLR）和流行的非线性算法（人工神经网络,ANN）进行分析,构建了 8个最优KPA预测模型。内部验证和外部验证结果表明,8个预测模型均具有良好的拟合优度、稳健性和预测性能,满足R2＞0.7、Q2＞0.6的阈值标准,可以用于预测应用域内其它有机污染物的KPA值。通过与pp-LFERs模型相比,结果表明,常规环境温度15-25℃下,基于AlvaDesc描述符的QSPR-MLR和QSPR-ANN 模型性能总体上优于 pp-LFERs（如 pp-LFERs 中Radj2:0.713＜QSPR,Radj2:0.815和0.873）,证实了 QSPR方法在预测有机物KPA值上一定的优越性。然而在其他环境温度下（-12℃和35℃）结果相反,由于非常规的环境温度下有机污染物在PUF膜上更容易分配传质,因此基于Abraham描述符的pp-LFERs模型更适用于高温或低温环境下有机污染物的预测。综上所述,本文所开发的模型可以作为一种有效的理论预测工具,在一定程度上弥补了相关实验数据的空白,特别是针对新型污染物和实验室难以测量的化合物提供了数据支撑,所提出的预测模型可以作为大气监测和评估的有效工具。同时,对进一步理解与分析有机污染物的环境行为与吸附过程提供理论与技术依据。
关键词：持久性有机污染物（POPs）;大气被动采样（PAS）;聚氨酯泡沫塑料（PUF）;分配系数（K）;定量构效关系（QSPR）
学科专业：工程硕士（专业学位）
摘要
Abstract
第1章 绪论
1.1 POPs大气被动采样
1.1.1 大气被动采样技术概述
1.1.2 大气被动采样技术原理
1.1.3 POPs被动采样器
1.1.4 大气被动采样技术研究进展
1.2 PUF/空气分配系数(K_(PA))
1.2.1 K_(PA)的定义
1.2.2 K_(PA)的实验方法及其影响因素
1.2.3 K_(PA)的预测方法
1.3 本文主要研究思路、内容及意义
1.3.1 选题依据
1.3.2 研究目的及内容
1.3.3 技术路线
第2章 定量构效关系模型的构建
2.1 数据集预处理
2.2 描述符的计算与筛选
2.2.1 pp-LFERs分子描述符
2.2.2 QSPR分子描述符
2.3 模型的开发与评估
2.3.1 线性回归算法
2.3.2 非线性回归算法
2.4 应用域的表征
第3章 POPs在PUF-空气中分配系数的pp-LFERs研究
3.1 前言
3.2 pp-LFERs数据
3.3 pp-LFERs模型
3.4 应用域的表征
3.5 机理解释
3.6 模型比较
3.7 本章小结
第4章 POPs在PUF-空气中分配系数的QSPR研究
4.1 前言
4.2 QSPR数据
4.3 QSPR模型
4.3.1 QSPR-MLR模型
4.3.2 QSPR-ANN模型
4.4 应用域的表征
4.5 机理解释
4.6 模型比较
4.7 环境监测中的实际应用
第5章 总结和展望
5.1 总结
5.2 展望
参考文献
致谢