w09 插值与拟合2.pdf

插值与拟合2 最小二乘法 MATLAB拟合函数 线性最小二乘法 polyfit 非线性最小二乘法 regress nlinfit 第4章 最小二乘法曲线拟合 0 导入 化工实验和工程实践中，可测得许多离散的实 验数据和工业数据，通常需要寻找一条连续光滑曲 线 f (x ) 来近似反映已知数据组间存在的某种关系的 一般趋势，所得近似函数 f (x ) 可以很好地逼近离散 x ,y 数据（ i i ），但不要求函数完全通过数据点， 以排除实验误差的影响这个函数逼近的过程称为曲 线拟合或经验建模。 第4章 最小二乘法曲线拟合的原理 常用最小二乘法进行曲线拟合。 如果观测数据存在较大误差，通常采用“近似函数在各 实验点的计算结果与实验结果的偏差平方和最小”的原则 建立近似函数。 * 定义: e k y k − y k Q ∑e2 最小 若 k 称此曲线拟合法为最小二乘法曲线拟合 最小二乘法按计算方法特点又分为线性和非线性最小二乘法。 第4章 一元线性最小二乘法 对于一元线性函数： y a +bx m x ( k 1, 2 m ) 测定了 个自变量值： k 和m个应变量值： y k (k 1, 2 m ) * m y (k 1, 2 m) 计算出 个应变量值： k 定义误差： * e k y k − y k y k − ( a + bx k ) 第4章 一元线性最小二乘法 由最小二乘法：设 Q ∑e2 ∑(y −(a +bx ))2 k k k ⎧∂Q Q : ⎪ 0 欲使 最小，按极值的必要条件，要满足 ⎪∂a ⎨ ⎪∂Q