环境激素是环境中的激素类似物，又称为“内分泌干扰物质”，种类繁多，广泛存在于生活和工作环境中，并能通过食物或生物链进入动物与人体，干扰体内正常激素的作用，威胁人类健康与繁衍。环境激素是当前环境科学研究的热点之一，而QSAR模型构建以及快速灵敏的检测为其半衰期和生物毒性以及环境行为进行预测、筛选和研究提供了基础。　　 双酚A和烷基酚类化合物是典型的环境激素物质，本论文从下面两个方面展开了工作。　　 （1）环境激素的QSAR研究。应用从头算（ab initio）和密度泛函理论（DFT）方法，采用HF、B3LYP理论水平在6-31G（d）和6-311+G（d）基组下，计算了8种烷基酚类化合物和24种双酚A类化合物的分子结构描述符，通过选用修正的CP统计量为目标函数，并采用改进蚁群优化算法，将其用于环境激素双酚A类化合物和烷基酚类化合物和的定量结构——活性相关（QSAR）研究的变量选择中；建立了烷基酚类化合物的生物降解速率常数（logK）与其量化参数、双酚A类化合物的雌激素活性常数（lgEC50基因转录、lgEC50细胞增殖）与其量化参数的QSAR模型。　　 采用改进蚁群优化算法对烷基酚类化合物的参数进行变量选择方法简单，需要调节的参数少，HF和B3LYP两种不同算法下所选择的变量（量子化学结构参数）分别为：Elumo、Enlumo、μ和Enhomo、Q+、ET，烷基酚类化合物生物降解速率常数所建的QSAR模型的相关系数分别为R=0．994和R=0．989，优于文献报道的相关性（R=0．982）。　　 运用改进蚁群优化算法对双酚A类化合物在B3LYP/6-31G（d）水平下计算得到的12个量子化学结构参数进行优化，所选择的变量为：Enlumo、Q-、Q+H，与双酚A类化合物的雌激素活性常数lgEC50基因转录、lgEC50细胞增殖的QSAR模型的相关系数分别为R=0．953和R=0．945，预测模型的相关系数都为0．837。与文献相比，量子化学结构参数较易获得，改进蚁群算法选择的变量较少，利于调节。此外，用SPSS软件中的多元线性回归方法建立了双酚A类化合物的量化参数与lgEC50基因转录、lgEC50细胞增殖的QSAR模型，所选择的变量为：Q-、Q+H，两者间的相关系数为-0．927，结果表明，与多元线性回归方法相比，改进蚁群算法中的偏最小二乘法简便快速，能避免自变量间的多重相关。　　 （2）环境激素的电化学检测方法研究。将纯化后的多壁碳纳米管及壳聚糖修饰到玻碳电极表面上。采用循环伏安法研究了双酚A在该修饰电极表面上的电化学行为。试验结果表明，修饰多壁碳纳米管的电极的循环伏安图中可观察到明显的氧化峰，在pH7．0的磷酸盐缓冲溶液中，扫描速度为100mV·s-1时，氧化峰电位为0．51526V。峰电流与双酚A标准液的浓度在9．95×10-6mol·L-1到6．667×10-4mol·L-1范围内呈良好的线性关系，相关系数为0．996，检出限为10-7mol·L-1，平行测定10次的相对标准偏差为2．16％。该方法具有简便、响应快速、重现性好等优点。用该方法测定了塑料样品中双酚A的含量，结果满意。