数值建模课件--拟合.pptVIP

曲线拟合的最小二乘法 2 用正交多项式做最小二乘拟合 * 这样，最小二乘问题就转化为求多元函数 （4） 的极小点 问题. 用最小二乘法求拟合曲线的问题，就是在形如(2)的 中求一函数 ， 由求多元函数极值的必要条件，有 使（3）取得最小. 1 最小二乘法及其计算 在函数的最佳平方逼近中 如果 只在一组离散点集 上给定，这就是科 学实验中经常见到的实验数据 的 曲线拟合. 记误差 则 的各分量分别为 个数据点上的误差. 问题为利用 求出一个函数 与所给数据 拟合. 设 是 上线性无关函数族， 在 中找一函数 ， 使误差平方和 （1） 这里 （2） 这个问题称为最小二乘逼近，几何上称为曲线拟合的 最小二乘法. 用最小二乘求拟合曲线时,首先要确定 的形式. 确定 的形式问题不仅是数学问题, 还与问题的 实际背景有关. 通常要用问题的运动规律及给定的数据进行数据描图, 确定 的形式, 然后通过实际计算选出较好的结果. 为了使问题的提法更有一般性，通常在最小二乘法中 考虑加权平方和 （2） （3） 这里 是 上的权函数，它表示不同点 处的数据比重不同. 就是 次多项式. 若 是 次多项式， 的一般表达式为（2）表示的线性形式. 其中 （7） 要使法方程(6)有惟一解，就要求矩阵 非奇异， 而 在 上线性无关不能推出 矩阵 非奇异，必须加上另外的条件. （6） 若记 （5） 上式可改写为 （6） 这个方程称为法方程， 可写成矩阵形式 一般可取 ，但这样做当 时， 通常对 的简单情形都可通过求法方程（6）得到 给定 的离散数据 ， 例如， ， 求解法方程（6）将出现系数矩阵 为病态的问题， 有时根据给定数据图形，其拟合函数 表面上 不是（2）的形式，但通过变换仍可化为线性模型. 若两边取对数得 （6） （2） 显然 在任意 个点上满足哈尔条件. 哈尔条件，则法方程(6) 的系数矩阵(7) 非奇异， 如果 在 上满足 函数 的最小二乘解为 定义1 设 的任意线 性组合在点集 上至多只有 个 不同的零点， 则称 在点集 上满足哈尔(Haar)条件. 方程(6)存在惟一的解 从而得到 于是 （6） 这样得到的 ， 对任何形如(2)的 ， 都有 故 确是所求最小二乘解. （2） 例7 这样就变成了形如（2）的线性模型 . 此时，若令 则 已知一组实验数据如下，求它的拟合曲线. 解 从图中看到各点在一条直线附近，故可选择线性函数作拟合曲线， 将所给数据在坐标纸上标出，见图1. 图1 令 这里 故 解得 由（6）得方程组 于是所求拟合曲线为 （6） 关于多项式拟合，Matlab中有现成的程序 其中输入参数 为要拟合的数据， 为拟合多项式的次数， 输出参数 为拟合多项式的系数. 利用下面的程序，可在Matlab中完成上例的多项式拟合. x=[1 1 2 3 3 3 4 5]; f=[4 4 4.5 6 6 6 8 8.5]; aa=poly(x,f,1); y=polyval(aa,x); plot(x,f,’r+’,x,y,’k’) xlabel(‘x’); ylabel(‘y’); gtext(‘y=s1(x)’） 结果如下：