插值与拟合模型二概要.ppt

* 三、拟合的使用及求解 3.1 引言 数据拟合就是从一组数据出发，寻找函数y=f(x)的一个近似表达式 ，要求该函数在某种准则下能尽量反应数据的整体变换趋势，而不一定要经过所有数据点(xi,yi).数据拟合问题也称为曲线拟合问题，而y=f(x)称为拟合曲线。 3.2 拟合模型 直 线 拟 合 问 题 引 例 1 温度t(oC) 20.5 32.7 51.0 73.0 95.7 电阻R(?) 765 826 873 942 1032 已知热敏电阻数据： 求60oC时的电阻R． 在直角坐标系下作图如下(plot) x=[20.5 32.7 51.0 73.0 95.7]; y=[765 826 873 942 1032]; plot(x,y,’+’) xlabel(‘温度’)，ylabel(‘电阻’) 设 R=a1t+a2 a1,a2为待定系数 曲 线 拟 合 问 题 引 例 2 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 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). 在直角坐标系下作图如下(plot) 拟合曲线： 方案一 抛物线 a0,a1,a2为待定系数 方案二 c0,k为待定系数 曲 线 拟 合 问 题 的 提 法 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． + + + + + + + + + x y y=f(x) (xi,yi) ?i ?i 为点（xi,yi) 与曲线 y=f(x) 的距离 最小二乘准则： 使n个点（xi,yi) 与曲线 y=f(x) 的距离?i 的平方和最小 ． 记 根据最小二乘准则确定拟合函数的方法称为最小二乘法。 最小二乘法又分为线性最小二乘拟合和非线性最小二乘拟合 线性最小二乘拟合：拟合函数的待定系数a1,a2, …,am+1全部以线性形式出现 例如拟合函数：f(x)=a1xm+ …+amx+am+1 非线性最小二乘拟合：拟合函数的待定系不能全部以线性形式出现 例如拟合函数： 注：最小二乘法中拟合函数的确定 最小二乘法中确定拟合函数是很关键的，通常有以下两种形式， 1：如果没有现成的规则，可以通过散点图，结合曲线的形状变化趋势进行分析，建立经验模型； 2：可以通过机理分析建立数学模型来确定拟合函数，如人口增长的Logistic模型就是通过机理分析法推导出来的。 用MATLAB作线性最小二乘拟合 式f(x)=a1xm+ …+amx+am+1拟合,可利用已有程序: 在MATLAB中线性最小二乘拟合就是做多项 a=polyfit(x,y,m) 输入同长度 的数组x，y 拟合多项 式次数 说明:1.a-输出拟合多项式系数a=[a1,a2, …, am+1] 2.多项式在x处的值y可用以下命令计算： y=polyval（a, x） 温度t(oC) 20.5 32.7 51.0 73.0 95.7 电阻R(?) 765 826 873 942 1032 例：已知热敏电阻数据： 求60oC时的电阻R． x=[20.5 32.7 51.0 73.0 95.7]; y=[765 826 873 942 1032]; a=polyfit(x,y,1) %做一次多项式拟合 plot(x,y, +) %绘制散点图 a=3.3987 702.0968 设 R=a1t+a2 R=a(1)*t+a(2) 温度t(oC) 20.5 32.7 51.0 73.0 95.7 电阻R(?) 765 826 873 942 1032 例：已知热敏电阻数据： 求60oC时的电阻R． w=polyval(a,60) %求预测值 %求预测值 t=60 R=a(1)*t+a(2) %做拟合函数的图像 t=[20:0.1:100]; R=a(1)*t+a(2); plot(t,R) 温度t(oC)