基于多指标定量测定联合PCA、OPLS-DA、FA及熵权TOPSIS模型的四季青等级预测附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。

🔥 内容介绍

四季青为冬青科植物冬青的干燥叶，是《中国药典》收载的常用中药，具有清热解毒、消肿祛瘀等功效，其含有的原儿茶酸、长梗冬青苷等成分具有明确的抗炎、抗氧化活性。当前四季青质量评价存在三大核心问题：

1. 评价指标单一：现行标准仅以薄层鉴别和特征图谱为质控手段，缺乏原儿茶酸、黄酮类等核心药效成分的定量要求，难以反映质量差异；

1. 等级划分模糊：药材采购与饮片生产中多依赖外观性状（如叶色、叶龄）主观分级，缺乏 “成分 - 等级” 的量化关联；

1. 关键因子不明：产地（如浙江、江苏、安徽）、采收期（春、夏、秋、冬）、加工方式（阴干、晒干、烘干）对质量的影响机制尚未明确，无法指导优质药材筛选。

多元统计分析可实现多指标数据的降维与差异识别，熵权 TOPSIS 能基于客观权重实现样本综合排序，二者联用已在白术等中药质量评价中证实有效。本文提出 **“多指标定量 + PCA/FA/OPLS-DA + 熵权 TOPSIS” 联用策略 **，核心创新点在于：

• 建立 UPLC-PDA 多指标定量方法，覆盖酚酸类、三萜类、黄酮类共 10 种核心成分；

• 通过 PCA/FA 挖掘成分关联并提取核心质量因子，减少评价维度冗余；

• 利用 OPLS-DA 筛选等级差异标志物，明确等级划分的科学依据；

• 基于熵权 TOPSIS 构建等级预测模型，实现四季青质量的客观分级与精准预测。

⛳️ 运行结果

=== PCA分析结果 ===

主成分 特征值 方差贡献率 累积方差贡献率

PC1 11.616 77.439% 77.439%

PC2 2.414 16.096% 93.535%

PC3 0.356 2.370% 95.905%

PC4 0.268 1.788% 97.693%

=== 因子分析综合得分排序 ===

样品 综合得分 排名

S14 3.684 1

S17 3.636 2

S15 2.929 3

S18 2.917 4

S13 2.172 5

S16 1.898 6

S2 1.047 7

S4 1.032 8

S3 1.017 9

S5 0.759 10

S6 0.620 11

S1 0.003 12

S10 -2.782 13

S7 -3.029 14

S8 -3.835 15

S9 -3.936 16

S11 -4.061 17

S12 -4.074 18

=== OPLS-DA分析 ===

VIP值大于1的变量（重要性标记物）：

长梗冬青苷: VIP = 3.2087

醇溶性浸出物: VIP = 1.5076

原儿茶酸: VIP = 1.3237

=== 熵权TOPSIS分析 ===

熵权计算结果：

原儿茶酸: 0.0840

原儿茶醛: 0.0566

绿原酸: 0.0673

异香草酸: 0.0736

咖啡酸: 0.0512

槲皮素: 0.0965

山奈酚: 0.0552

芹菜素: 0.0795

长梗冬青苷: 0.0722

豆甾醇: 0.0511

胡萝卜苷: 0.0844

β-谷甾醇: 0.0877

醇溶性浸出物: 0.0488

总灰分: 0.0364

酸不溶性灰分: 0.0554

TOPSIS贴近度排序结果：

排名 样品 贴近度(C)

1 S17 0.7526

2 S14 0.7512

3 S18 0.7464

4 S15 0.7427

5 S13 0.6622

6 S16 0.6599

7 S2 0.5018

8 S3 0.4999

9 S4 0.4999

10 S5 0.4879

11 S6 0.4781

12 S1 0.4069

13 S10 0.2653

14 S7 0.2598

15 S8 0.2280

16 S11 0.2256

17 S9 0.1833

18 S12 0.1817

=== 综合结果分析 ===

根据PCA、FA、OPLS-DA和熵权TOPSIS分析结果：

1. S13-S18组样品质量最优

2. S1-S6组样品质量中等

3. S7-S12组样品质量相对较低

4. 关键差异性标志物：

长梗冬青苷 (VIP=3.2087)

醇溶性浸出物 (VIP=1.5076)

原儿茶酸 (VIP=1.3237)

酸不溶性灰分 (VIP=0.7076)

总灰分 (VIP=0.3282)

>> 

📣 部分代码

🔗 参考文献

[1]施丹萍,沈敏,俞振伟,等.基于多组分定量联合主成分分析 正交偏最小二乘法-判别分析及熵权优劣解距离法的抗菌消炎胶囊质量差异性评价[J].中国药物与临床, 2024, 24(12):749-755.DOI:10.11655/zgywylc2024.12.001.

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌟 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌟图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌟 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化

🌟 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、

🌟 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌟 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌟电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌟 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌟 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

5 往期回顾扫扫下方二维码