Origin的非线性拟合功能.ppt

这里可以写一些参数的线性约束条件，设参数为a, b, c, d，条件可以是： ab; a+2*b=c*2-d; 4bc6; a/39 支持5种关系:? =, , =, , =.? 约束之间用分号分分隔，换行按CTRL+ENTER.? 2、设置函数参数的一些约束条件（没有的话就跳过） 3、拟合过程中一些参数的设置（一般用默认设置即可） 一般不要选中 设置参数的有效数字 Delta一定程度上会影响拟合的结果 设置最大的迭代次数 设置权重方法，没有就选None 4、选择要拟合的数据 1、选变量 2、选数据 3、确认将数据赋予变量 设X变量的时候也是点左边的按钮，不要点这个按钮！！ 存放模拟曲线的数据点的数据集名称 根据这里的参数绘制曲线，选择 Action:Fit, 则最后一次选中的参数被传递给Fit程序 5、模拟曲线 使用Origin进行非线性拟合，必须指定各参数的初始值，使用内置拟合函数时，Origin会自动设置好比较合适的初始值。 使用自定义函数拟合时，用户必须自己指定初始值，初始值选的不好，拟合就有可能不成功。好的初始值的选择需要对拟合数据、拟合函数仔细分析，以及用户的经验 取消选中的话，则这个参数在迭代过程中保持不变，当函数中某个参数被确定的话，就可以在这里设置 误差 取值范围是 [0, 1]，越接近 1，则越表明该参数有可能过参数化了。这个时候，用户就要考虑拟合的模型是否正确了，是否可以简化模型，除去一些参数。 拟合的结果 6、进行拟合 大多数情况下，过参数化的模型都应该认真审视，但并不是所有的过参数化的模型都是坏的模型。比如说，绝大多数的指数方程都是这样的模型 执行一次LM iteration 执行n次LM迭代，迭代过程中要终止的话，按ESC键即可 当LM迭代方法无法进行时，可以尝试进行Simplex迭代方法（一般情况下，此方法不如LM方法好）（downhill simplex method） 用这两个按钮可以浏览拟合过程中每次迭代得到的参数 迭代过程的输出结果显示在这里 创建一个worksheet，将拟合结果写入其中 要Find Y，在这里填入x的值，x在数据集内、外都可以 要Find X，在这里填入y的值，y必须在数据集之内 7、生成结果 创建一个matrix，将Var-Cov Matrix写入其中 自定义拟合函数 1.添加一个新的函数类别，将自定义的函数都放置在这个类别里，以便以后重复使用 2、定义新函数? 用户自定义函数存放在Origin\FitFunc 文件夹，文件名为\FunctionName.FDF 定义参数和变量时，以下符号不可以使用(Origin内部要用): x1，x2，…，xn y1，y2，…，yn z1，z2，…，zn i，t，j ，e 使用Origin C编写函数 默认的参数名为P1，P2等，若要使用自定义的符号，选中这里 ，参数之间用英文逗号分隔开，与C语言相同 参数的数目 点击这里进行编译 自定义函数NLSF拟合上机练习1 C:\Program Files\OriginLab\OriginPro75 \Samples\Analysis\Curve Fitting\NLSF User Def Func.OPJ 完成Origin软件自带的使用自定义函数进行NLSF拟合的例题文件： 　　体重约70kg的某人在短时间内喝下2瓶啤酒后，隔一定时间测量他的血液中酒精含量（毫克／百毫升），得到数据如左表。设饮酒后血液中酒精含量的数学模型为： 试确定 自定义函数NLSF拟合上机练习2 时间 酒精含量 (小时) (毫克/百毫升) 0.25 30 0.5 68 0.75 75 1 82 1.5 82 2 77 2.5 68 3 68 3.5 58 4 51 4.5 50 5 41 6 38 7 35 8 28 9 25 10 18 11 15 12 12 13 10 14 7 15 7 16 4 x y 245 373 249 336 264 303 285 277 308 258 348 242 375 239 416 246 454 266 483 293 504 339 508 373 左表中的（x，y）为某次实验测得的数据，理论上满足方程： 试确定 本数据用simplex算法拟合能得到最佳结果。 自定义函数NLSF拟合上机练习3 * 讲课思路： 1、前一次课以线性拟合为例，讲述了最小二乘法求解回归参数的的具体过程。 2、简要介绍非线性拟合的概念，指出非线性是指“参数”的非线性。 3、指出利用计算机程序软件（比如Origin）我们可以在不了解非线性拟合的数学和统计学细节的情况下，也可完成拟合，指出掌握软件的使用方法，从而完成我们的目的，也是现在学生学习的一种