四参数拟合需求及详细算法.doc

第1章 概述 本文档之目的是利用已知的几组数据通过现有数学模型，求出数学模型中的四个参数，并确保拟合后的数学模型中自变量和因变量的相关度≥0.997. 第二章 设计需求及详细算法 2.1 设计需求 通过已知的吸光度值x和浓度值y，进行四参数对数拟合，求出四参数模型中的对应参数a,b,c,d。 四参数数学模型如下所示： 需求1：通过已知数据（x,y）数组拟合后，求出数学模型中的a,b,c,d； 需求2：要求所计算出的四个参数，能够保证x,y的相关度≥0.997. 需求3：和软件现有的其他算法如半对数、二参数等算法并行存在于软件中；并在软件后续的数据转换和图像显示中可以调度该功能模块； 2.2 四参数拟合算法详解 数学模型： （1） 具体算法实现： 整个算法基于高斯牛顿迭代法：其基本思想是使用泰勒展开式去近似地代替非线性回归模型，然后通过多次迭代，多次修正回归系数，使回归系数不断逼近非线性回归模型的最佳回归系数，最后使原模型的残差平方和达到最小。 （2） 在计算的过程中，具体算法进行如下处理： 将d的初值设为输入的y值的最大值加1，a的初值设为输入的y值的最小值减0.1。通过简单的直线拟合即可求出b和c的初值。 第二步：对方程（2）中的四个参数分别求偏微分。得到y对给定系数的增量（△a, △b, △c △d）的泰勒级数展开式。 泰勒级数展开式为： (3) 由此，将曲线回归转化为多元线性回归，通过迭代计算，得到四个参数的变量△a, △b, △c, △d，逐步修正四参数的值。 每一次迭代可计算出参数变量值，新的参数值为原参数值与变量值的叠加。 （迭代的算法可以参照多元线性回归的计算方法） 第三步：相关系数计算方法：为保证迭代收敛，在计算相关系数时，引入一系数m，初值设为2，将a与参数的变量矩阵相乘，计算相关系数。m=m/2，循环10次，每次m的值减半。取循环中得到的相关系数最大的变量矩阵[△a, △b, △c, △d]。 （采用Gauss法进行消元。） 第四步：迭代终止条件：默认总的迭代次数为1000次，或者当相关系数满足≥0.997时，则迭代停止。返回得到的四参数值。 2.3 设计输入输出举例： 如下表所示：x,y为本算法的设计输入。（x,y非固定值，在软件设计过程中，需要实现对x,y数据的读取，并进行相应处理） x y. 拟合后计算所得y. 残差 1.0000 0.0090 0.9706 0.0294 10.0000 0.6475 10.2690 -0.2690 30.0000 1.2765 29.2227 0.7773 100.0000 2.1520 101.9846 -1.9846 300.0000 2.7380 296.8855 3.1145 设计输出为： 利用四参数数学模型，计算出a,b，c,d后，将拟合前后的y值进行对照，确保拟合后的自变量和因变量满足设计需求。