数值的分析建模方法——.pptVIP

数值分析建模方法 朱海龙 目录 一、插值方法简介 二、拟合方法简介 三、利用编程解决问题 四、建模实例 一、插值方法简介 　　插值法是函数逼近的重要方法之一，有着广泛的应用 。 基本思想:就是利用函数f (x)在一些给定点的函数值(或其导数值) ，建立一个简单而又便于计算的函数?(x)，使其近似的代替f(x) . 　 插值法有很多种,其中以拉格朗日(Lagrange)插值和牛顿(Newton)插值为代表的多项式插值最有特点,常用的插值还有Hermit插值,分段插值和样条插值. 插值法的特点： 　适用于数据量相对准确的数据 MATLAB命令 　interp1 一元插值 　interp2 二元插值 　interp3 三元插值 　spline 样条插值 　 yi=interp1(x,y,xi)　%根据数据(x,y)给出xi的分段线性插值结果。 举例： 　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] xi=-0.2:0.01:0.3 yi=interp1(x,y,xi) plot(x,y,o,xi,yi,-) 解答 x=[0; 100; 300; 1000; 1500; 2000 ] y=[0.9689; 0.9322; 0.8969; 0.8515; 0.7984; 0.7485] x1=[1200] y1=interp1(x,y,x1) 解得y1=0.83026000000000 y2=interp1(x,y,x1,spline) 解得y２= 0.83309476709771 二、拟合方法简介 　　插值法是使用插值多项式来逼近未知或复杂函数的，它 要求插值函数与被插函数在插值节点上函数值相同 ，而在其他点上没有要求。在非插值节点上有时函数值会相差很大 。若要求在被插函数的定义区间上，所选近似函数都能与被插函数有较好的近似，就是最佳逼近问题。 某种合成纤维的强度与其拉伸倍数有直接关系，下表是实际测定的24个纤维样品的强度与相应拉伸倍数的记录。 提示：将拉伸倍数作为x, 强度作为y,在座标纸上标出各点，可以发现什么? 拟合法的特点： 　适用于数据量相对不是太准确且相对数据量较大的数据 MATLAB命令 　polyfit 多项式拟合 　lsqcurvefit 曲线拟合 　 P=polyfit(x,y,k)　%用k次多项式拟合向量数据(x,y),　返回多项式的降幂排列 举例： 　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] p=polyfit(x,y,2)　　　%得到二次拟合多项式 解得p =1.7342 -1.6959 1.0850 　xi=-0.2:0.01:0.3 yi=polyval(p,xi) plot(x,y,o,xi,yi,-) c=lsqcurvefit(fun,c0,x,y)　%fun为两变量函数f(c,x), c0为参数c的近似值，作为迭代初值，(x,y)为数据向量。 举例： 　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] fun=inline(c(1)*exp(c(2)*x),c,x) 　c=lsqcurvefit(fun,[0,0],x,y) 　　　 解得c =1.0997 -1.4923 　xi=-0.2:0.01:0.3 yi=1.0997*(exp(-1.4923*xi)) plot(x,y,o,xi,yi,-) 解答： 　x=[1 2 4 6 8 10] y=[1.8 3.7 8.2 12.0 15.8 20.2] p=polyfit(x,y,1)　　%得到一次拟合多项式 　xi=1:0.01:10 yi=polyval(p,xi) plot(x,y,o,xi,yi,-) 练习：美国人口统计数据(以百万为单位) 解答： x=[0 10 20 30 40 50 60 70 80 100 110] y=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 62.9 76.