摘要：阐明表面活性剂结构与其临界胶束浓度(critical micelle concentration,cmc)之间的内在关联,并构建机器学习方法模型实现cmc的自动预测,对了解其表面活性的分子机制和设计合成具有潜力的新型表面活性分子具有重要意义。本研究从咪唑鎓盐类双子表面活性剂的3-D结构出发,计算得到大量的能量、电荷、立体构象与拓扑参数等方面的结构描述符。然后利用方差阈值法(variance threshold)对特征变量进行评估与筛选,以剔除冗余变量,实现数据降维。最后采用支持向量回归(Support Vector Regression,SVR)构建咪唑鎓盐类双子表面活性剂的结构-cmc的关系模型。根据测定cmc实验方法的不同,分别构建了两个特异性模型:表面张力法的SVR模型与电导法的SVR模型,其模型的留一法交叉验证结果令人满意,相关系数R分别为0.8791与0.9316,均方根误差(RMSE)分别为0.36与0.34。结果表明,方法可靠可行,可实现对咪唑鎓盐类双子表面活性剂的cmc的定量预测。