数模培训_数据拟合方法精讲.ppt

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：