实验拟合.docVIP

实验三 曲线拟合 例1. 用一个三次多项式拟合曲线y= ,并绘制他们的图形 在MATLAB中键入命令： x=0:0.001:3*pi; y=exp(-x).*sin(x); z=polyfit(x,y,5) z = 0.0004 -0.0099 0.0893 -0.3343 0.4002 0.1243 pz=poly2str(z,x) 执行命令得： pz = 0x^5 - 0.0098645 x^4 + 0.089251 x^3 - 0.33431 x^2 + 0.40021 x + 0.12429 得到一个五次多项式，在重新修改命令： z=polyfit(x,y,8) z = -0.0000 0.0001 -0.0016 0.0189 -0.1301 0.5263 -1.1548 1.0543 -0.0048 pz=poly2str(z,x) 执行命令得： pz= -1.5151e-006 x^8 + 7.6346e-005 x^7 - 0.0016256 x^6 + 0.018937 x^5 - 0.13014 x^4 + 0.52628 x^3 - 1.1548 x^2 + 1.0543 x - 0.0047767 一个八次的多项式,在MATLAB中键入命令： x=0:0.001:3*pi; y=exp(-x).*sin(x); y1=0x.^5 - 0.0098645*x.^4 + 0.089251*x.^3 - 0.33431*x.^2 + 0.40021*x+0.1249 y2=-1.5151e-006*x.^8+7.6346e-005*x.^7-0.0016256*x.^6+0.018937*x.^5 -0.13014*x.^4+0.52628*x.^3-1.1548*x.^2+1.0543*x-0.0047767 plot(x,y,r,x,y1,g,x,y2,b); legend(原函数曲线,拟合的五次多项式曲线,拟合的八次多项式曲线) 例2．给出函数： 1 2 3 4 5 2.5 4 5.5 6 6.8 分别用一次、二次、三次和四次多项式来拟合这些数据点，并通过作图，找出哪一种拟合多项式对这些数据点的拟合效果最好。 MATLAB命令空间键入以下命令 x=[1,2,3,4,5] y=[2.5,4,5.5,6,6.8] p1=polyfit(x,y,1) %一次多项式来拟合 y1=polyval(p1,x) subplot(221) plot(x,y,*) hold on plot(x,y1) p2=polyfit(x,y,2) %二次多项式来拟合 y2=polyval(p2,x) subplot(222) plot(x,y,d) hold on plot(x,y2) p3=polyfit(x,y,3) %三次多项式来拟合 y3=polyval(p3,x) subplot(223) plot(x,y,v) hold on plot(x,y3) p4=polyfit(x,y,4) %四次多项式来拟合 y4=polyval(p4,x) subplot(224) plot(x,y,p) hold on plot(x,y4) 图2为一次，二次，三次，四次多项式拟合 计算结果分析 利用最小二乘方进行函数拟合时，多项式的次数越高，拟合的精度也就越高，函数偏离线性程度越大，选取拟合多项式就越高。如例1和例2中可以明显看到结果,拟合的五次多项式曲线与原函数的偏差较大，而拟合八次的多项式曲线与原函数的基本重合，偏差较小。因此，拟合多项式次数越高，表示曲线越精确。但是，当拟合多项式的次数较高时，就会出现病态问题，拟合数据严重偏离实际情况 ，拟合节点分布的区间偏离原点越远，病态越严重；(i=0,1,…，m)的数量级相差越大，病态越严重。 思考与提高 曲线拟合的最小二乘法在应用科学中具有重要作用，它是离散点的最佳平方逼近。为了克服函数拟合的以上缺点，一般采用以下措施：①而采用离散点正交多项式可避免解法方程时出现的病态问题，为用多项式做最小二乘模型提供了可行的算法。 ②尽量少作高次拟合多项式，而作不同的分段低次拟合； ③我们可以不使用原始节点作拟合，将节点分布区间作平移，使新的节点关于原 点对称，从而减低病态程度。 例3. 拟合下列数据 x 0.1 0.2 0.15 0 -0.2 0.3 y 0.95 0.84 0.86 1.06 1.50 0.72 方法一 多项式插值与拟合 P=polyfit(x,y,k) 用k次多