实验十三实验数据的拟合.pptVIP

实验十三 实验数据的拟合 一、实验目的 学会MATLAB软件中利用给定数据进行拟合运算的方法。 二、相关知识 在上一个实验中，我们已经讨论了在生产和科学实验中，需要利用插值和拟合的场合，本实验讨论拟合。在MATLAB中，拟合也有相应的函数来完成。我们首先来讨论拟合的数学定义。 已知离散点上的数据集 ，即已知在点集 上的函数值 ，构造一个解析函数 （其图形为一曲线），使 在原离散点 上的值尽可能接近给定的 值，这一构造函数 的过程称为曲线拟合。最常用的曲线拟合方法是最小二乘法，该方法是寻找函数 使 得 最小。 二、相关知识 在MATLAB中，有下面几个命令与拟合相关，它们的含义和调用方法如下： p=polyfit(x,y,n) c=lsqcurvefit(fun,c0,x,y) 说明：polyfit求出已知数据x，y的n阶拟合多项式 构造一个解析函数 （其图形为一曲线），使 在原离散点 上的值尽可能接近给定的 值，这一构造函数 的过程称为曲线拟合。最常用的曲线拟合方法是最小二乘法，该方法是寻找函数 使 得 最小。 在MATLAB中，有下面几个命令与拟合相关，它们的含义和调用方法如下： p=polyfit(x,y,n) c=lsqcurvefit(fun,c0,x,y) 说明：polyfit求出已知数据x，y的n阶拟合多项式 的系数p，x，y都是向量，x的分量必须单调。 lsqcurvefit用作各种类型曲线的拟合，用最小二乘法寻找符合经验公式的最优曲线。可用非线性函数的数据拟合。 例1：求如下给定数据的拟合曲线，x=[0.5,1.0,1.5,2.0,2.5,3.0]，y=[1.75,2.45,3.81,4.80,7.00,8.60]。 解：MATLAB程序如下： x=[0.5,1.0,1.5,2.0,2.5,3.0]; y=[1.75,2.45,3.81,4.80,7.00,8.60]; p=polyfit(x,y,2) x1=0.5:0.05:3.0; 的系数p，x，y都是向量，x的分量必须单调。 lsqcurvefit用作各种类型曲线的拟合，用最小二乘法寻找符合经验公式的最优曲线。可用非线性函数的数据拟合。 例1：求如下给定数据的拟合曲线，x=[0.5,1.0,1.5,2.0,2.5,3.0]，y=[1.75,2.45,3.81,4.80,7.00,8.60]。 解：MATLAB程序如下： x=[0.5,1.0,1.5,2.0,2.5,3.0]; y=[1.75,2.45,3.81,4.80,7.00,8.60]; p=polyfit(x,y,2) x1=0.5:0.05:3.0; y1=polyval(p,x1); plot(x,y,*r,x1,y1,-b) 计算结果为： p =0.5614 0.8287 1.1560 此结果表示拟合函数为： 用此函数拟合数据的效果如图所示。 例2：给定下列数据： 考虑这些数据的非线性拟合，用函数 ，先将参数 ， 合写为 ，编写如下程序： fun=inline(c(1)*exp(c(2)*x),c,x); x=[0.1,0.2,0.15,0,-0.2,0.3]; y=[0.95,0.84,0.86,1.06,1.50,0.72]; c=lsqcurvefit(fun,[0,0],x,y) norm(feval(fun,c,x)-y)^2 其中[0,0]是初始值，最后一句是计算残差的平方和，也就是拟合函数在给定点的值和原始数据的差的平方和，运行结果为： Optimization terminated: relative function value changing by less than OPTIONS.TolFun. fun=inline(c(1)*exp(c(2)*x),c,x); x=[0.1,0.2,0.15,0,-0.2,0.3]; y=[0.95,0.84,0.86,1.06,1.50,0.72]; c=lsqcurvefit(fun,[0,0],x,y) norm(feval(fun,c,x)-y)^2 其中[0,0]是初始值，最后一句是计算残差的平方和，也就是拟合函数在给定点的值和原始数据的差的平方和，运行结果为： Optimization terminated: r