简介： 本发明属于面向化学品风险管理的高通量预测技术领域，公开一种预测化学品在四种环境介质中降解半减期的多任务神经网络方法。在已知化学品分子结构的基础上，通过计算其分子指纹，应用所构建的方法，即可获得化学品在四种介质中的降解半减期。该方法简便高效、成本低，可节省实验测试的资源投入。方法的构建过程如下：降解半减期数据搜集；分子PubChem指纹计算；多任务神经网络模型训练；选用测量推测值‑预测值决定系数等指标对模型性能进行评价；参照OECD导则表征模型应用域；本发明建立的预测模型具有良好的拟合能力、稳健性和预测能力，能够有效预测应用域内化学品在四种环境介质中降解半减期，为化学品的健全管理提供必要的工具，具有重要意义。