数模培训数据拟合方法摘要.pptVIP

下载本文档

36
0
约 76页
2016-11-15 发布于湖北
举报
版权申诉

数模培训数据拟合方法摘要.ppt

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

教学内容数据拟合问题的提法数据拟合问题的求解思路线性最小二乘法原理算例 MATLAB 工具箱Curvefit演示数据拟合问题的提法数据拟合问题的求解思路线性最小二乘法原理线性最小二乘法原理线性最小二乘法原理线性最小二乘法原理算例算例算例算例算例算例算例算例算例算例已知应力-应变关系可以用一条指数曲线来描述, 即假设式中, 表示应力, 单位是 N/m2; 表示应变. 拟合曲线为: 令则求得于是在实际应用中常见的拟合曲线有: 直线多项式一般 n=2, 3, 不宜过高. 双曲线(一支) 指数曲线 2. 非线性曲线拟合: lsqcurvefit. 功能: x=lsqcurvefit(fun, x0, xdata, ydata) [x, resnorm]=lsqcurvefit(fun, x0, xdata, ydata) 根据给定的数据 xdata, ydata (对应点的横, 纵坐标), 按函数文件 fun 给定的函数, 以x0为初值作最小二乘拟合, 返回函数 fun中的系数向量x和残差的平方和resnorm. 例4 已知观测数据点如表所示 x y 0 3.1 0.1 3.27 0.2 3.81 0.3 4.5 0.4 5.18 0.5 6 0.6 7.05 0.7 8.56 0.8 9.69 0.9 11.25 1 13.17 求三个参数 a, b, c的值, 使得曲线 f(x)=aex+bx2+cx3 与已知数据点在最小二乘意义上充分接近. 首先编写存储拟合函数的函数文件. function f=nihehanshu(x,xdata) f=x(1)*exp(xdata)+x(2)*xdata.^2+x(3)*xdata.^3 保存为文件 nihehanshu.m 例4 已知观测数据点如表所示 x y 0 3.1 0.1 3.27 0.2 3.81 0.3 4.5 0.4 5.18 0.5 6 0.6 7.05 0.7 8.56 0.8 9.69 0.9 11.25 1 13.17 求三个参数 a, b, c的值, 使得曲线 f(x)=aex+bx2+cx3 与已知数据点在最小二乘意义上充分接近. 编写下面的程序调用拟合函数. xdata=0:0.1:1; ydata=[3.1,3.27,3.81,4.5,5.18,6,7.05,8.56,9.69,11.25,13.17]; x0=[0,0,0]; [x,resnorm]=lsqcurvefit(@nihehanshu,x0,xdata,ydata) 编写下面的程序调用拟合函数. xdata=0:0.1:1; ydata=[3.1,3.27,3.81,4.5,5.18,6,7.05,8.56,9.69,11.25,13.17]; x0=[0,0,0]; [x,resnorm]=lsqcurvefit(@nihehanshu,x0,xdata,ydata) 程序运行后显示 x = 3.0022 4.0304 0.9404 resnorm = 0.0912 例4 已知观测数据点如表所示 x y 0 3.1 0.1 3.27 0.2 3.81 0.3 4.5 0.4 5.18 0.5 6 0.6 7.05 0.7 8.56 0.8 9.69 0.9 11.25 1 13.17 求三个参数 a, b, c的值, 使得曲线 f(x)=aex+bx2+cx3 与已知数据点在最小二乘意义上充分接近. 说明: 最小二乘意义上的最佳拟合函数为 f(x)= 3ex+ 4.03x2 + 0.94 x3. 此时的残差是: 0.0912. f(x)= 3ex+ 4.03x2 + 0.94 x3. 拟合函数为: 作业：用函数f(x)=a1*exp(-a2*x)+a3*exp(-a4*x)拟合下列数据点： xdata=[0:.1:2] ydata=[5.8955 3.5639 2.5173 1.9790 1.8990 1.3938 1.1359 1.0096 1.0343 0.8435 0.6856 0.6100 0.5392 0.3946 0.3903 0.5474 0.3459 0.1370 0.2211 0.1704 0.2636] 用命令 lsqcurvefit(‘f’, a0, x, y) 作业：