در این کار حلالیت هیدروکربن های هالوژن دار در آب با استفاده از ماشین بردار پشتیبان مدل سازی و پیشگویی شده است. ابتدا ساختار مولکولی این ترکیبات در نرم افزار hyper chem رسم شده و پس از بهینه سازی ساختار با استفاده از روش نیمه تجربی am1، توصیف کننده های مختلف (1497 توصیف کننده) با استفاده از نرم افزار dragon محاسبه گردید. بهترین توصیف کننده ها توسط نرم افزار spss و به روش رگرسیون خطی چند مرحله-ای انتخاب شدند. 5 توصیف کننده انتخاب شده به عنوان ورودی به برنامه مطلب داده شده و با استفاده از ماشین بردار پشتیبان جهت پیشگویی مقادیر حلالیت هیدروکربن های هالوژن دار در آب استفاده شدند. پس از بهینه سازی پارامترهای مختلف، مجذور میانگین مربعات خطاها (rmse) برابر 281/0 و 258/0 به ترتیب برای داده های سری آموزش و پیشگویی بدست آمد. مدل های qspr راهکاری برای پیشگویی خواص ترکیبات آلی بر مبنای ساختار مولکولی می باشند. در این قسمت مدلی جهت پیشگویی ثابت قانون هنری ترکیبات آلی در آب ارائه شده است. ابتدا ساختار مولکولی این ترکیبات در نرم افزار hyper chem رسم شده و پس از بهینه سازی ساختار با استفاده از روش نیمه تجربی am1، توصیف کننده های مختلف (1497 توصیف کننده) با استفاده از نرم افزار dragon محاسبه گردید. 10 توصیف کننده که بالاترین همبستگی را با ثابت قانون هنری (log h) داشتند توسط نرم افزار spss و به روش رگرسیون خطی چند مرحله ای انتخاب شدند. توصیف کننده های انتخاب شده به عنوان ورودی به برنامه مطلب داده شده و با استفاده از ماشین بردار پشتیبان جهت پیشگویی مقادیر ثابت قانون هنری ترکیبات آلی در آب استفاده شدند. مجذور میانگین مربعات خطاها (rmse) برابر 309/0 و 335/0 به ترتیب برای داده های آموزشی و پیشگویی بدست آمد.