实验数据处理中曲线拟合方法探讨.pdfVIP

第 3 1 卷　第 1 期 　 　 　 ( ) . 3 1 . 1 成都理工大学学报 自然科学版 　 　 　 V o l N o 　2004 年 2 月 JOU RNAL O F CH EN GDU UN IV ER S IT Y O F T ECHN OLO GY (Science T echno logy Ed it ion) F eb. 2004　 [ 文章编号] 167 19727 (2004) 0 1009 105 实验数据处理中曲线拟合方法探讨 1 1 2 乔立山 　王玉兰 　 曾锦光 ( 1. 成都理工大学信息与计算科学系, 成都 6 10059; 2. 宁波大学信息管理系) [ 摘要] 曲线拟合是实验数据处理的基本方法之一。将曲线拟合方法归结为有理论模型和无理 论模型两类, 据此, 对曲线拟合的一般思路和重要方法进行了讨论。对两类方法进行了比较, 并 将它们联合用于对材料流变状态的速率微分型本构模型的曲线拟合。 [ 关键词] 数据处理; 曲线拟合; 最小二乘; 神经网络; 本构关系 [ 分类号] T P 274　　　　[ 文献标识码] A 　　曲线拟合是用连续曲线近似地刻画或比拟平 1　有理论模型的曲线拟合 面上离散点组函数关系的一种数据处理方法。传 统的曲线拟合方法是用解析表达式逼近离散数 通过实验或观测得到量 x 与y 的一组数据 据。而事实上, 随着近几年人工神经网络等一些非 对(x i , y i) (其中 i= 1, 2, …, n) , 各 x i 是彼此不同 线性理论的发展及其在曲线拟合领域的应用, 曲 的。我们希望用一类与数据的背景资料规律相适 线拟合已不再局限于解析表达式的拟合理论之 应的解析表达式 = ( , ) 来反映 与 之间的 y f x c x y 内。将非线性理论用于曲线拟合, 使传统的方法得 依赖关系,f (x , c) 称作拟合的理论模型 , 其中c= 到了发展与改进: 文献[ 3 ] 中, 作者将样条小波的 (c1 , c2 , …, cn ) 是待定参数。当 c 在f 中线性出现 显式表达式应用于曲线的最小二乘拟合; 文献[4 ] 时, 称为线性模型 , 否则称为非线性模型。有许多 提出了一种适于曲线拟合的混合型径向基函数网 衡量拟合优度的标准, 最常用的方法是最小二乘 络; 文献[ 5 ] 提出了将B 样条函数网络应用于曲 法。 线拟合的思路。 1. 1　线性模型的曲线拟合 因此, 曲线拟合方法总体上可分为两类: 一类 已知与数据的背景资料规律相适应的解析表 是由与数据的背景资料规律相适应的解析表达式 达式为: y = + x + …+ x + ( 1) 约束的曲线拟合; 一类是由几何方法或神经网络 0 1 1 p p