插值与拟合概要.ppt

lsqnonlin用以求含参量x（向量）的向量值函数 f(x)=(f1(x),f2(x),…,fn(x))T 中的参量x，使得 最小。 其中 fi（x）=f（x，xdatai，ydatai） =F(x,xdatai)-ydatai 2. lsqnonlin 已知数据点： xdata=（xdata1，xdata2，…，xdatan） ydata=（ydata1，ydata2，…，ydatan） 输入格式为： 1） x=lsqnonlin（‘fun’，x0）； 2） x= lsqnonlin （‘fun’，x0，options）； 3） x= lsqnonlin （‘fun’，x0，options，‘grad’）； 4） [x，options]= lsqnonlin （‘fun’，x0，…）； 5） [x，options，funval]= lsqnonlin （‘fun’，x0，…）； 说明：x= lsqnonlin （‘fun’，x0，options）； fun是一个事先建立的定义函数f(x)的M-文件，自变量为x 迭代初值 选项见无 约束优化 例2 用下面一组数据拟合 中的参数a，b，k 该问题即解最优化问题： MATLAB(fzxec1) 1）编写M-文件 curvefun1.m function f=curvefun1(x,tdata) f=x(1)+x(2)*exp(-0.02*x(3)*tdata) %其中 x(1)=a; x(2)=b；x(3)=k; 2）输入命令 tdata=100:100:1000 cdata=1e-03*[4.54,4.99,5.35,5.65,5.90,6.10,6.26,6.39, 6.50,6.59]; x0=[0.2,0.05,0.05]; x=lsqcurvefit (curvefun1,x0,tdata,cdata) f= curvefun1(x,tdata) F(x，tdata)= ，x=(a，b，k) 解法1. 用命令lsqcurvefit 3）运算结果为： f =0.0043 0.0051 0.0056 0.0059 0.0061 0.0062 0.0062 0.0063 0.0063 0.0063 x = 0.0063 -0.0034 0.2542 4）结论：a=0.0063, b=-0.0034, k=0.2542 MATLAB(fzxec2) 解法 2 用命令lsqnonlin f(x)=F(x,tdata,ctada)= x=（a，b，k） 1）编写M-文件 curvefun2.m function f=curvefun2(x) tdata=100:100:1000; cdata=1e-03*[4.54,4.99,5.35,5.65,5.90, 6.10,6.26,6.39,6.50,6.59]; f=x(1)+x(2)*exp(-0.02*x(3)*tdata)- cdata 2）输入命令: x0=[0.2,0.05,0.05]; x=lsqnonlin(curvefun2,x0) f= curvefun2(x) 函数curvefun2的自变量是x，cdata和tdata是已知参数，故应将cdata tdata的值写在curvefun2.m中 3）运算结果为 f =1.0e-003 *(0.2322 -0.1243 -0.2495 -0.2413 -0.1668 -0.0724 0.0241 0.1159 0.2030 0.2792 x =0.0063 -0.0034 0.2542 可以看出,两个命令的计算结果是相同的. 4）结论：即拟合得a=0.0063 b=-0.0034 k=0.2542 再输入以下命令: xi=1:0.2:5; yi=1:0.2:3; zi=interp2(x,y,temps,xi,yi,cubic); mesh(xi,yi,zi) 画出插值后