数学建模竞赛培训_汇总.ppt

  1. 1、本文档共131页,可阅读全部内容。
  2. 2、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。
  3. 3、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
  4. 4、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)。
查看更多
数学建模竞赛培训_汇总,数学建模竞赛培训,数学建模竞赛,研究生数学建模竞赛,大学生数学建模竞赛,电工杯数学建模竞赛,数学建模竞赛优秀论文,美国数学建模竞赛,数学建模竞赛题目,全国数学建模竞赛

数学建模竞赛培训 乐山师范学院数信学院 乐山师范学院第二课堂 唐代大诗人王之涣有一首著名诗篇:白日依山尽 黄河入海流 欲穷千里目 更上一层楼 按诗人的想象,要看到千里之外的景物,要站在多高的“一层楼”上呢? 以地球中心为原点,向上方向为纵轴建立直角坐标系.从地球表面算起,设应站高度为x,那么根据题设,该点到地球表面的切线长应为500km. 数学模型(Mathematical Model) 一般地说,数学模型可以描述为,对于现实世界的一个特定对象,为了一个特定目的,根据特有的内在规律,做出一些必要的简化假设,运用一些适当的数学工具,得到的一个数学结构。 数学建模(Mathematical Modeling) 应用知识从实际问题中抽象、提炼出数学模型的过程。 1、多项式拟合中并非拟合次数越高越好! 2、非线性拟合通常选择的六类曲线如下: (6) 若取初值为: x0=[3 5 4 7 1 0 0 0 0 0 5 11 5.6348 4.8687 7.2479 7.7499], 则计算结果为: x=[3.0000 5.0000 4.0000 7.0000 1.0000 0 0 0 0 0 5.0000 11.0000 5.6959 4.9285 7.2500 7.7500]’ fval =89.8835 exitflag = 1 总的吨千米数89.8835比上面结果更好. 通过此例可看出fmincon函数在选取初值上的重要性。 在我们的生活中每天都面对各种各样的大量的数据,比如科学研究,工程建设,股票信息,彩票数据,考试成绩,经济开销,时间,身高体重、三围参数等等。怎样从纷繁复杂的数据当中挖掘出有用的信息,是我们面临的一大问题。 数据处理是数学建模一项重要的内容。 问题的提出 专题2:数据处理(拟合、插值、回归) 问题1.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). 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 这个问题要从一组实验观测数据 (xi , yi ) (i = 1, 2, …, n)出发揭示出自变量x与因变量y之间的关系,一般可以用一个近似的函数关系式 y = f(x) 来表示。函数 f(x) 的产生办法因观测数据与要求的不同而异,通常可采用两种方法: 插值与数据拟合。 1 数据拟合 2 数据插值 3 回归分析 4 聚类分析 数据处理的常用方法简介 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。 1.数据拟合(曲线拟合) + + + + + + + + + x y y=f(x) (xi,yi) ?i ?i 为点(xi,yi) 与曲线 y=f(x) 的距离 某种准则下与所有数据点最为接近 曲线拟合问题的提法 拟合基函数 第一步:确定拟合的函数类型 其中 为待定系数。 第二步:确定 的最小二乘准则:要求n个已知点(xi , yi)与曲线的距离(偏差)di的平方和最小。 满足上述要求的参数取值称为该问题的最小二乘解。 曲线拟合问题最常用的解法 —最小二乘法的基本思路 2. 如果无现成的规则,则可以通过散点图,结合曲线的形状进行分析,即建立经验模型。 1. 通过机理分析建立数学模型来确定 f(x); + + + + + + + + + + + + + + + f=ae-bx f=a1+a2x f=a1+a2x+a3x2 拟合函数类型的确定 1、线性最小二乘拟合 2、非线性最小二乘拟合 用MATLAB求解拟合问题 1. 作多项式f(x)=a1xm+ …+amx+am+1拟合,可利用已有程序: a=polyfit(x,y,m) 输出拟合多项式系数 a=[a1,…,am , am+1] (数组) 输入同长度 的数组X,Y 拟合多项 式次数 2.多项式在x处的值y可用以下命令计算: y=polyval(a,x) 用MATLAB作线性最小二乘拟合 虽然每次求解可能有不同解,

文档评论(0)

过各自的生活 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档