2.4曲线拟合二乘法.ppt

2.9 曲线拟合的最小二乘法 2)总体误差: 三. 最小二乘解的求法 例： 要求拟合曲线 求解的一般过程 计算步骤： 作 业 P102~15，16 作三次拟合得 拟合曲线 前面讨论的是线性最小二乘问题， 下面给出几种常用函数，并可通过适当变换将其化为线性的拟合。 非线性问题的线性化 拟合函数类型的确定：根据经验或理论推导 当无法分析拟合函数的类型时：可根据已知数据的散点图的分布情况和特点选择适当的拟合曲线类型 指数函数： 幂函数： 现有一组测量数据如下表： xi 0.0 0.5 1.0 1.5 2.0 2.5 yi= f (xi) 2.0 1.0 0.9 0.6 0.4 0.3 ??用曲线拟合的最小二乘法求形如y=beax的经验公式，并用该公式估计x＝1.4时的y= f (1.4)的近似值. 例 解：将y=beax变形，lny=lnb+ax 令Y = lny , a0= lnb,则有线性关系： Y = a0 +ax ，准备数据： 于是法方程为： 解之得： a0= 0.562303, a= - 0.722282,于是b＝ 1.754709. 经验公式为y= 1.754709 e - 0.722282 x， y= f (1.4) ?0.68335 散点图 拟合曲线图 提纲 什么是曲线拟合问题 最小二乘法的定义 最小二乘法求解的一般过程 曲线拟合的一种最常用情况——多项式拟合 5. 非线性问题的线性化 用到的知识： 多元函数取极值的必要条件 a b 一.曲线拟合问题——问题的提出 a b (i) (ii) (iii) 曲线拟合问题： a b 寻找一条曲线较好地拟合这些数据，即寻找合适的函数，使它与数据的总体误差最小。 条件：1.不要求拟合函数严格通过所有数据点 2.要求拟合函数尽可能靠近所有数据点 1)合适的函数： 即选取适当的函数类（某类函数的集合） a b 使总体误差最小，即 使误差的平方和最小的原则，称为最小二乘原则，按这一原则选择拟合曲线的方法就称为曲线拟合的最小二乘法。 二.曲线拟合的最小二乘法 定义： 这种求逼近函数s*(x)的方法称为曲线拟合的最小二乘法，s*(x)称为该问题的最小二乘解。 a b 将上式按 合并同类项， 得到 称为两个函数的内积。 令 改写为 写成方程组： 叫做 的法方程（正规方程组） 系数行列式不为零，方程组存在唯一解。 结 论 1.描点，确定分布形式； 2.根据分布形式确定函数类； 3.化为多元函数的极值问题，建立法方程； 4.解方程组，得到最小二乘问题的解 a b 多项式拟合 s(x)= a0+ a1 x +… + an xn为一个多项式，称为数据拟合多项式。 此时 多项式拟合的法方程为 因为任何连续函数至少在一个比较小的邻域内均可以用多项式任意逼近，因此，在许多实际问题中，不论具体的函数关系如何，都可以用适当的多项式做数据拟合。 1.线性拟合 已知f(x)的一组对应数据 (xi ,yi) ，(i=1,2,……,m), 取?＝span{1， x}， 法方程为 2.抛物拟合 已知f(x)的一组对应数据 (xi ,yi) ，(i=1,2,……,m), 取?＝span{1， x ， x2}，S(x)=a0+a1x +a2x2, 法方程为 例：炼钢是个氧化脱碳的过程，钢水含碳量的多少直接影响冶炼时间的长短，下表给出某厂平炉生产的记录。xi表示熔毕碳的含量，yi表示冶炼时间 ，已知y=a+bx。 i 1 2 3 4 5 xi 165 123 150 123 141 yi 187 126 170 125 148 试根据数据确定参数a 和b ，并估计熔毕碳的含量为130时的冶炼时间。 i 1 2 3 4 5 ? xi 165 123 150 123 141 702 yi 187 126 170 125 148 758 xi2 27225 15129 22500 15129 19881 99864 xi yi 30855 15498 25500 15375 20868 108096 法方程：5a+702b=758 702a+99864b=108096 解之得：a= -28.62, b=1.28? y＝-28.62 + 1.28x 解：准备数据： f(130)?138.25. ? ? ? ? ? 例： 上海机床厂为客户加工一个压轴，要求压轴边缘曲线过下列各点，试设计压轴边缘曲线的方程 。 -0.06 -0.059 -0.057 -0.054 -0.049 -0.043 -0.036 -0.028 -0.02 -0.01 0 y