用多项式模型进行数据拟合实验报告(附代码).doc

实验题目： 用多项式模型进行数据拟合实验 1 实验目的 本实验使用多项式模型对数据进行拟合，目的在于： （1）掌握数据拟合的基本原理，学会使用数学的方法来判定数据拟合的情况； （2）掌握最小二乘法的基本原理及计算方法； （3）熟悉使用matlab进行算法的实现。 2 实验步骤 2.1 算法原理 所谓拟合是指寻找一条平滑的曲线，最不失真地去表现测量数据。反过来说，对测量 的实验数据，要对其进行公式化处理，用计算方法构造函数来近似表达数据的函数关系。由于函数构造方法的不同，有许多的逼近方法，工程中常用最小平方逼近（最小二乘法理论）来实现曲线的拟合。 最小二乘拟合利用已知的数据得出一条直线或曲线，使之在坐标系上与已知数据之间的距离的平方和最小。模型主要有：1.直线型2.多项式型3.分数函数型4.指数函数型5.对数线性型6.高斯函数型等，根据应用情况，选用不同的拟合模型。其中多项式型拟合模型应用比较广泛。 给定一组测量数据，其中，共m+1个数据点，取多项式P（x），使得，则称函数P（x）为拟合函数或最小二乘解，此时，令 ，使得，其中为待求的未知数，n为多项式的最高次幂，由此该问题化为求的极值问题。 由多元函数求极值的必要条件：，其中 得到：，其中，这是一个关于的线性方程组，用矩阵表示如下所示： 因此，只要给出数据，数据点个数m，所要拟合的参数n，就可求出未知数据阵 2.2 实验步骤 根据已知数据（ch3 huaxuefy.m），绘制出数据的散点图，如图1所示： 注：x从1开始取值，值与值间隔为1。y取文件ch3 huaxuefy.m中的数据。 图1 已知数据散点图 计算矩阵，该矩阵为 图2 n=6时拟合曲线 图3 n=8时拟合曲线 图4 n=10时拟合曲线 图5 n=11时拟合曲线 图6 n=12时拟合曲线 图7 n=13时拟合曲线 3 实验结果分析 通过运用最小二乘法对多项式模型进行数据拟合处理，获得n次多项式及其系数。分别取多项式次数n=6,n=8,n=10,n=11,n=12,n=13,n=14绘制拟合曲线，观察曲线图可知，对于最高次数不同的多项式，拟合结果是不一样的，即对于数据的逼近程度是不相同的。 plot(x,y,*) xlabel x轴 ylabel y轴 title 散点图 hold on %计算矩阵A m=229;n=10; A=zeros(n+1); for j=1:n+1 for i=1:n+1 for k=1:m+1 A(j,i)=A(j,i)+x(k)^(j+i-2) end end end; %计算矩阵B B=[0 0 0 0 0 0 0 0 0 0 0 ]; for j=1:n+1 for i=1:m+1 B(j)=B(j)+y(i)*x(i)^(j-1) end end %写出正规方程，求出 B=B; a=inv(A)*B; %绘制出拟合曲线图 x=[1.0:0.0001:230.0]; z=a(1)+a(2)*x+a(3)*x.^2+a(4)*x.^3+a(5)*x.^4+a(6)*x.^5+a(7)*x.^6+a(8)*x.^7+a(9)*x.^8+a(10)*x.^9+a(11)*x.^10; plot(x,z) legend(离散点 ,y=a(1)+a(2)*x+a(3)*x.^2+a(4)*x.^3+a(5)*x.^4+a(6)*x.^5+a(7)*x.^6+a(8)*x.^7+a(9)*x.^8+a(10)*x.^9+a(11)*x.^10) title(拟合图)