数学建模与实验 课教案.docVIP

数学建模与实验 课程教案 授课时间 2010年4月 19 日 授课周次 第 8 周 授课方式 （请打√） 理论课√ 讨论课□ 实验课□ 习题课□ 其他□ 课时 安排 2 授课题目（教学章、节或主题）： 第三章 经验模型 3.4 3.5 教学目的、要求： [1] 最小二乘法 [2] 举重成绩的比较 [3] 数据拟合。 [4] 参数识别。 [5] 其他经验模型介绍。 基本要求：要求掌握如何建模，并能利用计算机进行求解。 教学重点及难点： 举重成绩的比较中经验模型及O’Carroll公式的引入和建模 教 学 基 本 内 容 和 过 程 第三章 经验模型 复习上一节知识点： 当问题的机理非常不清楚难以直接利用其他知识来建模时，一个较为自然的方法是利用数据进行曲线拟合，找出变量之间的近似依赖关系即函数关系。 最小二乘法 设经实际测量已得 到n组数据（xi , yi），i=1,…, n。将数据画在平面直角坐标系中，见图。 如果建模者判断 这n个点很象是分布在某条直线附近，令 该直线方程 为y=ax+b，进而利用数据来求参 数a和b。由于该直线只是数据近似满足的关系式，故 yi-(axi+b)=0一般不成立，但我们希望 最小 此式对a和b的偏导数均 为0，解相应方程组，求得： （其中和分别为xi和yi的平均值 ） 如果建模者判断变量间的关系并非线性关系而是其他类型的函数，则可作 变量替换使之转化为线性关系或用类似方法拟合。 例1（举重成绩的比较） 举重是一种一般人都能看懂的运动，它共分九个重量级，有两种主要的比赛方法：抓举和挺举。 表中给出了到1977年底为止九个重量级的世界纪录。 显然，运动员体重越大，他能举起的重量也越大，但举重成绩和运动员体重到底是怎样关系的，不同量级运动员的成绩又如何比较优劣呢？运动成绩是包括生理条件、心理因素等等众多相关因素共同作用的结果，要建立精确的模型至少现在还无法办到。但我们拥有大量的比赛成绩纪录，根据这些数据不妨可以建立一些经验模型。为简单起见，我们不妨取表中的数据为例。 先描点并绘图 x=[52,56,60,67.5,75,82.5,90,110,140]y1=[109,120.5,130,141.5,157.5,170,180,185,200]y2=[141,151,161.5,180,195,207.5,221,237.5,255]plot(x,y1,‘r-*’,x,y2,‘b--+’) %利用了画图函数plot(x,y1,x,y2) 模型1（线性模型） 将数据画在直角坐标系中可以发现，运动成绩与体量近似满足线性关系，只有110公斤级有点例外，两项成绩都显得较低。应用前面叙述的方法可求出近似关系式L=kB+C，其中B为体重，L为举重成绩。你在作图 时L轴可以放 在50公斤或52公斤处，因为没有更轻级别的比赛，具体计算留给读者自己去完成。 线性拟合MATLAB程序如下（重量和抓举成绩的关系）x=[52,56,60,67.5,75,82.5,90,110,140] y1=[109,120.5,130,141.5,157.5,170,180,185,200]P=polyfit(x,y1,1) % P=[1.0204,71.7273] 即y=1.0204x+71.7273 为拟合直线  Y1=polyval(P,x)plot(x,y1,r-*,x,Y1,B--) （重量和挺举成绩的关系---一次关系） x=[52,56,60,67.5,75,82.5,90,110,140]y2=[141,151,161.5,180,195,207.5,221,237.5,255]P=polyfit(x,y2,1)Y2=polyval(P,x)plot(x,y2,r-*,x,Y2,B--) 线性拟合MATLAB程序如下（重量和抓举成绩的关系）x=[52,56,60,67.5,75,82.5,90,110,140]y1=[109,120.5,130,141.5,157.5,170,180,185,200]P=polyfit(x,y1,2) Y1=polyval(P,x)plot(x,y1,r-*,x,Y1,B--) （重量和挺举成绩的关系---三次关系） x=[52,56,60,67.5,75,82.5,90,110,140]y2=[141,151,161.5,180,195,207.5,221,237.5,255]P=polyfit(x,y2,3)Y2=polyval(P,x)plot(x,y2,r-*,x,Y2,B--) 模型2（幂函数模型） 线性模型并未得到广泛的接受，要改进结果，能够想到的自