3-4拟合详解.ppt

二、用正交函数作最小二乘拟合 则不难求得： 无需解病态方程组 第三章 其他内容（自阅） 函数逼近问题 平行的问题： 对基于经验数据估计函数依赖关系的方法的研究（从实例学习的研究）已经有很长的历史了。这些研究是由两个伟大的数学家开始的：他们是高斯（Gauss,1777-1855）和拉普拉斯（Laplace,1749-1827），他们提出了从天文学和物理学中的观测结果估计依赖关系的两种不同方法。 逼近问题的发展 * 第3章 函数逼近与数据拟合 §4 数据拟合的最小二乘法 一、最小二乘法的定义 二、求解方法 三、求解步骤 四、举例 一、最小二乘法的定义 1. 问题的产生 在实际研究中，y=f(x)是未知的(或为复杂的)，通常已知一组实验数据 （xi，yi）(i=0,1,…,m)，我们的任务是寻找自变量x与因变量y之间的近似函数关系y=F(x) 。 例如：插值方法 由于观测数据有误差，因此可不要求y=F(x)经过所有点，而只要求在给定点上误差 按某种度量标准最小。 度量标准不同，将导致不同的拟合结果，常用的度量准则有如下三种： 数据拟合 (1)使残差的最大绝对值为最小 (2)使残差的绝对值之和为最小 (3)使残差的平方和为最小 最小二乘法 2. 多项式二乘拟合 一组数据（xi，yi）(i=0,1,…,m)， 已知： 求： 在函数类 中找一个函数 ，使误差平方和最小，即 这里 3. 一般二乘拟合 一组数据（xi，yi）(i=0,1,…,m)， 已知： 求： 在函数类 中找一个函数 ，使误差平方和最小，即 这里 4. 更一般地 把最小二乘法中的 考虑为加权平方和 即 其中 注：权函数在实际问题中有意义！ 二、求解方法 求S*(x) 求如下多元函数的最小值 由多元函数求极值的必要条件 展开 可用矩阵表示 解方程组 法方程组 问题的实际意义或Harr条件 注： 三、求解步骤 选定拟合曲线的形式 确定法方程组 求解法方程组 最关键！ 四、举例 例1. 已知一组实验数据如下，求它的拟合曲线. 1 1 3 1 2 ωi 8.5 8 6 4.5 4 fi 5 4 3 2 1 xi 解 根据所给数据，在坐标纸上标出，从图中看到各点在一条直线附近，故可选择线性函数作拟合曲线，即设 这里 故 得法方程为 解得 于是所求拟合曲线为 例2. 在某化学反应里，根据实验所得生成物的浓度与时间关系如下表，求浓度y与时间t的拟合曲线y=F(t). 9.86 9.70 9.50 9.22 8.80 8.00 6.40 4.00 y 8 7 6 5 4 3 2 1 t 10.60 10.58 10.55 10.50 10.42 10.32 10.20 10.00 y 16 15 14 13 12 11 10 9 t 解 根据所给数据，在坐标纸上标出，得下图 t y 从图中可以看出开始时浓度增加较快，后来逐渐减弱，到一定时间就基本稳定在一个数值上，即当t→∞时，y趋于某个常数，故有一水平渐近线。另外 t = 0 时，反应未开始，浓度为0。概括起来有以下特性： 根据这些特性，可设定两种形式的函数关系： （1）y = F(t) 是双曲线型 （2）y = F(t) 是指数形式 b0 （1）y = F(t) 是双曲线型 若直接针对上式通过二乘法确定a、b，将会得到一个关于a,b的非线性方程组，不便求解。此时注意到： 于是可用 x 的线性函数 拟合数据 。 可由原始数据 计算出来。 可令： 可求得 代入法方程得 解得 从而得到 于是由 计算出 ，拟合数据 的曲线仍设为 （2）y = F(t) 是指数形式 为了确定a 与b，同理，对上式两边取对数得： 令 得法方程 解得 从而得到 请回答: 怎样比较这两个数学模型的好坏呢？ 答：只要分别计算这两个数学模型的总误差，从中挑选误差较小的模型即可。 本例经过计算可得 而均方误差为 由此可知第二个模型较好。 结论： 选择拟合曲线的数学模型，并不一定开始就能选好，往往需要通过分析若干模型后，经过实际计算才能选到较好