全文共分六部分,主要综述了定量结构—活性/性质关系研究方法及相关化学计量学方法的原理及其在分析化学中的应用;研究了芳香酸类化合物及其毛细管电泳行为之间的定量结构—性质关系建模的方法;人工神经网络方法用于优化毛细管电泳分离条件;以及定量结构—性质相关性研究方法在烷基铵离子相转移自由能方面的应用。 第一章综述了定量结构—活性/性质关系研究概况、历史及其在化学中的应用。第二章介绍了定量结构—性质关系方法在毛细管电泳研究中的应用。第三章是对本文中涉及到的化学计量学方法的简单介绍。 在第四章中,以量子化学参数以及分子联接性指数作为分子结构参数。分别应用逐步回归和遗传算法对计算所得分子结构参数进行选择,根据选择所得参数作为输入变量,用误差反向传输人工神经网络方法建立了苯甲酸及其衍生物共26种化合物的结构与其电泳淌度之间的定量结构—性质关系模型。检验模型的预测能力,所得结果证明建立的模型对未知样本具有较为准确的预测能力。 在第五章中,用人工神经网络方法初步探讨了毛细管电泳的分离条件与分离结果之间的关系。所得结果表明分离条件与分离度、迁移时间之间存在一定的定量相关关系。用人工神经网络方法建立的模型可以较好地反映这种定量关系,并且可以在一定范围内根据分离条件较为准确的预测分离结果。利用此定量模型可以实现对电泳分离条件的选择与优化。 在第六章中,分别采用多元线性回归和人工神经网络方法建立了烷基铵离子的结构与其从水相到硝基苯相的标准相转移自由能的定量相关模型。结果说明采用多元线性回归和人工神经网络方法都是建立化合物的结构与其标准相转移自由能的定量关系模型的可行、有效的方法。比较两种建模方法的结果,人工神经网络具有优于多元线性回归的预测能力,但多元线性回归方法更为简单、易用。