基于GLM模型和神经网络研究芳烃化合物对藻类毒性

工业的快速发展和溢油事故的频繁发生所产生的大量芳烃化合物正威胁海洋生态系统的健康,建立芳烃化合物物化性质与小球藻急性毒性间的非线性模型,是预测未知芳烃化合物对藻类毒性的主要手段之一.本研究以实验获取的25种芳烃化合物对小球藻96h的毒性数据为基础,采用密度泛函理论(DFT)中的B3LYP方法,在6-311G**基组上全优化计算25种芳烃化合物结构参数和热力学参数,通过逐步广义线性回归(GLM)、小波神经网络(WNN)和T-S模糊神经网络(T-SFNN)等方法,对芳烃化合物物化性质和藻类抑制毒性的非线性关系进行拟合和逼近.F检验表明,逐步GLM方程是显著的(p<0.001).配对t检验表明,GLM、WNN、T-SFNN3种模型都是可信的;决定系数(R2＞0.96)表明3个模型具有很高的精确性.上述结果证明本文建立的模型具有良好的拟合度和解释能力,可以预测未知芳烃化合物对小球藻的急性毒性.模型误差计算结果表明,WNN的精度最高(mse=0.0076,mae=0.0533),采用WNN方法进行建模,预测未知芳烃化合物对小球藻的急性毒性是最合适的.