11-水塔水流量估计模型与数据插值.pptVIP

1 拉格朗日插值 2 牛顿插值法 拉格朗日插值法的最大缺点在于当增加差值点时，需要重新计算多项式的系数，没有承接性。下面的牛顿插值法就避免了这个问题。 差商具有如下性质： （1）m阶差商是零阶差商的线性组合； （2）差商与插值结点的次序无关； （3）若f(x)是m次多项式，则 f[x0,x1,…,xm]=0 称为牛顿插值公式，最后一项称为牛顿插值余项，记为Rn(x)，余项前的多项式称为插值多项式，记为Pn(x)。 由差商公式， 牛顿插值多项式具有以下特点： （1）在插值结点处与拉格朗日插值一样，误差为零； （2）多项式k次项的系数是f(x)的k阶差商； （3）增加插值节点时，只增加最后一项，不必像拉格朗日插值公式那样需要重新计算系数。 3 样条插值法 特别地，如果m=1，则称为分段线性插值，即在每一个子区间上S(x)是线性函数，在整个区间上是分段线性函数。这种情况一般很难满足实际要求，通常使用最多的是3次样条插值函数，即S(x)在每一个子区间上是三次多项式函数，而且在每个结点处满足二阶导数连续和相关的边界条件。 二 MATLAB软件实现数据插值 1 一维插值命令 yb=interp1(x,y,xb,method) x,y是同维数据向量，表示插值结点的横坐标和纵坐标。若x是向量，y是矩阵，则对y的每一列与x配对进行插值； xb表示待求函数值的插值结点向量，可以缺省； ‘method’是可选项，说明插值使用的方法。缺省时为线性插值，也可选择：nearest（最近插值），linear（线性），spline（三次样条），cubic（三次插值）。 命令返回值yb是插值曲线在xb处的纵坐标值。 2 二维插值命令 zb=interp2(x,y,z,xb,yb,method) 根据同维数据向量x，y，z，按照指定的方法做插值运算，然后返回插值函数的竖坐标。 3 三维插值命令 vb=interp3(x,y,z,v,xb,yb,zb,method) 4 样条插值命令 yb=spline(x,y,xb) 该命令等同于 yb=interp1(x,y,xb,cubic) 例4.2 已知观测数据 分别用拉格朗日、分段线性、3次样条进行插值，并绘出插值多项式曲线图。 (1)拉格朗日插值法 x=0:0.1:1； y=[-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.3 11.2]; plot(x,y,b.,markersize,30) axis([0 1 -2 16]) grid hold on p=lagrange(x,y); t=0:0.01:1; u=polyval(p,t); plot(t,u,r-,linewidth,3) 结果显示，所插值出的10次多项式曲线，在数据点之间产生较大的起伏波动，与数据点的变化趋势有明显的偏离，这时曲线并不能很好地反映数据点的变化规律。而且进一步实验发现，随着分点的增加，Lagrange插值出现大的起伏波动越明显，这就是插值问题中典型的“龙格现象”。 针对高次多项式插值时容易发生“龙格现象”，在实际插值时，常常采用分段低次插值方法，即在相邻两个数据点构成的子区间上分别进行低次插值, 整个区间上的插值函数将是一个分段的多项式函数。 (2)分段线性插值 x=[0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1]; y=[-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.3 11.2]; plot(x,y,‘b.’,‘markersize’,30)； axis([0 1 -1 15])； grid hold on t=0:0.01:1; u=interp1(x,y,t); plot(t,u,r-,linewidth,3) 结果分析 分段线性插值有效地回避了插值问题中的“龙格现象”，结果连线也大致描述了已知数据点的变化规律。但很明显，由分段直线连接的插值曲线在节点处不光滑，不可导。 (3)3次样条插值 x=[0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1]; y=[-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.3 11.2]; plot(x,y,b.,markersize,30) axis([0 1 -1 16]) grid hold on pause(1) t=0:0.01:1; u=spline(x,y,t); plot(t,u,r-,linewidth,3) 结果分析 从图可以看出，样条插值