چکیده: یک مطالعه ی ارتباط کمی ساختار-خاصیت بر روی شاخص های بازداری (RI) ترکیبات آلی انجام شد. استراتژی رگرسیون مرحله ای برای انتخاب توصیف کننده به کار گرفته شد. مدلسازی جهت ارتباط میان توصیف کننده های مولکولی انتخاب شده و شاخص های بازداری داده ها از طریق روشهای خطی(رگرسیون خطی چندگانه:MLR) و غیر خطی (شبکه عصبی مصنوعی:ANN) مورد بررسی قرار گرفته است. مدل های QSPR به وسیله تکنیک توقف زود هنگام اعتبار سنجی شدند به طوری که مدل برای پیش بینی زمان بازداری ترکیبات سری بیرونی که د رمراحل ایجاد مدل شرکت نداشتند، به کار برده شد. هر دوی روشهای خطی و غیر خطی توانایی پیش بینی دقیقی دارند اگر چه مدل ANN نتایج دقیق تری دارد. خطای مربع میانگین سری تست توسط مدلهای MLR و ANN به ترتیب 75/549 و 34/714 بودند. در بخش دوم روشهای MLR و ANN برای پیش بینی زمان بازداری 126 دی فنیل اتر برومینه شده (PBDE) بر روی فاز ساکن DB-1 ستون کروماتوگرافی گازی به کار برده شد. خطاهای مربع میانگین سری تست بدست آمده توسط مدلهای MLR و ANN برای آن دسته از ترکیبات به ترتیب 0/028 و 0/017 بودند.