第四节插值与拟合研讨.pptVIP

; 工程中，常有这样的问题：给一批数据点，需确定满足特定要求的曲线或曲面。如果要求所求曲线(面）通过所给所以数据点，这就是插值问题 当数据较多，插值函数是一个次数很高的函数，比较复杂，同时，给定的数据一般是由观察测量所得，往往带有随机误差，因而，求曲线(面）通过所有数据点就既不现实也不必要。如果不要求曲线(面）通过所有数据点，而是要求它反映对象整体的变化趋势，可得到更简单实用的近似函数，这就是数据拟合;一. 一维插值;例：在12h内，每隔1h测量一次温度，温度依次为： 5，8，9，15，25，29，31，30，22，25，27，24。 每隔1/10h估计一次温度值。;二. 二维插值;2. 插值基点为散乱节点 cz=griddata(x,y,z,cx,cy,’method’);例：测得平板5×3网格点处的温度依次为： 82 81 80 82 84 79 63 61 65 81 84 84 82 85 86 作出平板表面温度分布曲面。;x=1:5; y=1:3; temps=[82 81 80 82 84;79 63 61 65 81;84 84 82 85 86]; mesh(x,y,temps);xi=1:.2:5; yi=1:.2:3; zi=interp2(x,y.temps,xi,yi,cubic); mesh(xi,yi,zi);例：在某海域测得一些点（x,y）处的水深z，由下表给出，在矩形区域（75，200）×（－50，150）内画出海迪曲面的图形。 ;x=[129 140 103.5 88 185.5 195 105.5 157.5 107.5 77 81 162 162 117.5]; y=[7.5 141.5 23 147 22.5 137.5 85.5 -6.5 -81 3 56.5 -66.5 84 -33.5]; z=-1*[4 8 6 8 6 8 8 9 9 8 8 9 4 9]; cx=75:.5:200; cy=-50:.5:150; cz=griddata(x,y,z,cx,cy,cubic) meshz(cx,cy,cz);三. 线性最小二乘拟合;例：对下面一组数据作二次多项式拟合 ;四. 非线性最小二乘拟合;2.leastsq x= leastsq(‘fun’,x0,options,’grad’); [x,options,funval]= leastsq(‘fun’,x0,,…). 其中：f=fun(x,xdata);例用下面一组数据拟合c(t)=a+be0.02kt中的参数a,b,k ;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=cdata-x(1)-x(2)*exp(-.02*x(3)*tdata); %************************************* x0=[0.2 0.05 0.05]; x=leastsq(curvefun2,x0) f=curvefun2(x) %************************************* x = 0.0070 -0.0030 0.1012 f = 1.0e-005 * 0.0339 0.2146 -0.3900 -0.2857 0.2981 0.3570 0.0707 -0.2305 -0.0938 0.0339