兰州交通大学数学建模讲座插值和拟合.ppt

数学建模网站 /?中国大学生数学建模组委会官方网站 /? 中国工业与应用数学学会网站 /?中国数学建模网站 /mmb/?浙江大学数学建模基地网站 /li/math/sxrj/qita/lindolingo.htm?数学软件网站 /?中国科大数学建模站 / 山东大学数学建模网 /?上海交通大学 先建立原型函数： function y=f1(a,x) y=a(1)*x+a(2)*x.^2.*exp(-a(3)*x)+a(4); 在命令窗口中输入： x=[0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0]; y=[2.3201 2.647 2.9707 3.2885 3.6008 3.909 4.2147 4.5191 4.8232 5.1275]; a=lsqcurvefit(‘f1’,[1;2;2;2],x,y) %程序二：插值并作出水深小于5的海域范围。 x1=75:1:200; y1=-50:1:150; [x1,y1]=meshgrid(x1,y1); z1=griddata(x,y,z,x1,y1,v4); %插值 z1(z1=5)=nan; %将水深大于5的置为nan，这样绘图就不会显示出来 meshc(x1,y1,z1) 水深小于5的海域范围 实验作业1 山区地貌：在某山区测得一些地点的高程如下表：(平面区域1200≤x ≤4000,1200≤y ≤3600)，试作出该山区的地貌图和等高线图，并对几种插值方法进行比较． 返回 5.1 引言 对于情况较复杂的实际问题（因素不易化简，作用机理不详）可直接使用数据组建模，寻找简单的因果变量之间的数量关系， 从而对未知的情形作预报。这样组建的模型为拟合模型。 拟合模型的组建主要是处理好观测数据的误差，使用数学表达式从数量上近似因果变量之间的关系。拟合模型的组建是通过对有关变量的观测数据的观察、分析和选择恰当的数学表达方式得到的。 五、拟合的使用及求解 5.2 拟合模型的分类 5.2.1 直线拟合 5.2.2 曲线拟合 5.2.3 观察数据修匀 对于已给一批实测数据，由于实测方法、实验环境等一些外界因素的影响，不可避免地会产生随机干扰和误差。我们自然希望根据数据分布的总趋势去剔除观察数据中的偶然误差，这就是所谓的数据修匀（或称数据平滑）问题。 直 线 拟 合 问 题 引 例 1 温度t(oC) 20.5 32.7 51.0 73.0 95.7 电阻R(?) 765 826 873 942 1032 已知热敏电阻数据： 求60oC时的电阻R． 设 R=at+b a,b为待定系数 曲 线 拟 合 问 题 引 例 2 t (h) 0.25 0.5 1 1.5 2 3 4 6 8 c (?g/ml) 19.21 18.15 15.36 14.10 12.89 9.32 7.45 5.24 3.01 已知一室模型快速静脉注射下的血药浓度数据(t=0注射300mg) 求血药浓度随时间的变化规律c(t). 在直角坐标系下作图如下(plot) MATLAB(aa1) 曲 线 拟 合 问 题 的 提 法 已知一组（二维）数据，即平面上 n个点（xi,yi) i=1,…,n, 寻求一个函数（曲线）y=f(x), 使 f(x) 在某种准则下与所有数据点最为接近，即曲线拟合得最好． + + + + + + + + + x y y=f(x) (xi,yi) ?i ?i 为点（xi,yi) 与曲线 y=f(x) 的距离 曲线拟合问题最常用的解法——线性最小二乘法的基本思路 第一步:先选定一组函数 r1(x), r2(x), …,rm(x), mn, 令 f(x)=a1r1(x)+a2r2(x)+ …+amrm(x) （1） 其中 a1,a2, …,am 为待定系数． 第二步: 确定a1,a2, …,am 的准则（最小二乘准则）： 使n个点（xi,yi) 与曲线 y=f(x) 的距离?i 的平方和最小 ． 记 问题归结为，求 a1,a2, …,am 使 J (a1,a2, …,am) 最小． 线性最小二乘拟合 f(x)=a1r1(x)+ …+amrm(x)中函数{r1(x), …rm(x)}的选取 1. 通过机理分析建立数学模型来确定 f(x)； + + + + + + + + +