实验曲线拟合与插值运算.docVIP

实验10 曲线拟合与插值运算 一、实验目的 学会曲线拟合与插值运算的方法. 二、实验内容与要求 1. 曲线拟合 定义：已知数据集[(x1,y1),(x2,y2),…,(xn,yn)]，求一解析函数y=f(x)，使f(x)在原离散点xi上尽可能接近给定yi的值，这一过程叫曲线拟合. 方法：最小二乘法曲线拟合，拟合结果可使误差的平方和最小，即找出使 最小的. 格式：p=polyfit(x,Y,n). 注意：已知数据x必须是单调的. 【例】 x = [0.5,1.0,1.5,2.0,2.5,3.0]; %给出数据点的x值 y = [1.75,2.45,3.81,4.80,7.00,8.60]; %给出数据点的y值 p = polyfit(x,y,2)%求出2阶拟合多项式f(x)的系数 x1 = 0.5:0.05:3.0; % 给出x在0.5~3.0之间的离散值 y1 = polyval(p,x1); %求出f(x)在x1上的值 plot(x,y,*r,x1,y1,-b) %比较拟合曲线效果 计算结果为: p= 0.5614 0.8287 1.1560 即用f (x)=0.5614x2+0.8287x+1.1560拟合已知数据，拟合曲线效果如图1.31所示. 2. 一维插值 定义：已知离散点上的数据集[(x1,y1),(x2,y2),…,(xn,yn)]，找出一解析函数连接自变量相邻的两个点(xi, xi +1)，并求得两点间的数值，这一过程叫插值. interp1(1-D interpolation内插法) 格式一：yi = interp1(X,Y,xi,method) 注 意：该命令用指定的算法对数据点之间计算内插值，它找出一元函数f (x)在中间点的数值，其中函数f (x)由所给数据决定，各个参量之间的关系如图所示. ‘nearest’：最近邻点插值，直接完成计算. ‘linear’：线性插值（缺省方式），直接完成计算. ‘spline’：三次样条函数插值. ‘cubic’：三次函数插值. 对于超出x范围的xi的分量，执行外插值算法. 格式二：yi = interp1(X,Y,xi,method,‘extrap’) %对于超出x范围的xi中的分将执行特殊的外插值法extrap. yi = interp1(X,Y,xi,method,extrapval) %确定超出x范围的xi中的分量的外插值extrapval，其值通常取NaN或0. 【例】 year = 1900:10:2010; product = [75.995,91.972,105.711,123.203,131.669,… 150.697,179.323,203.212,226.505,249.633,256.344,267.893]; p2005 = interp1(year,product,2005) x = 1900:1:2010; y= interp1(year,product,x,cubic); plot(year,product,o,x,y) 插值结果为： p2005 = 262.1185 插值图形如图1.33所示. 3. 二维插值 格式：ZI = interp2(X,Y,Z, XI ,YI ,method) 说明：用指定的算法method计算二维插值. 返回矩阵ZI ，其元素对应于参量XI与YI的元素. 用户可以输入行向量和列向量Xi与Yi，此时，输出向量Zi与矩阵meshgrid(xi,yi)是同型的. 参量X与Y必须是单调的，且相同的划分格式，就像由命令meshgrid生成的一样. method有： ‘linear’：双线性插值算法（缺省算法）. ‘nearest’：最临近插值. ‘spline’：三次样条插值. ‘cubic’：双三次插值. 【例】 years = 1950:10:1990; service = 10:10:30; wage = [150.697,199.592,187.625, 179.323,195.072,250,287, 203.212,179.092,322.767, 226.505,153.706,426.730, 249.633,120.281,598.243]; w = interp2(service,years,wage,15,1975) 插值结果为： w = 190.6288 【例】 x=1:6;y=1:4;%给出自变量数据 t=[12,10,11,11,13,15;16,22,28,35,27,20;18,21,26,32,28,25;20,25