第5讲 拟合.pptVIP

数学建模 数据拟合 * 刘鹏 拟 合 问 题 引 例 1 温度t(oC) 20.5 32.7 51.0 73.0 95.7 电阻R(?) 765 826 873 942 1032 已知热敏电阻数据： 求60oC时的电阻R． 设 R=at+b a,b为待定系数 拟 合 问 题 引 例 2 t (h) 0.25 0.5 1 1.5 2 3 4 6 8 c (?g/ml) 19.21 18.15 15.36 14.10 12.89 9.32 7.45 5.24 3.01 已知一室模型快速静脉注射下的血药浓度数据(t=0注射300mg) 求血药浓度随时间的变化规律c(t). 作半对数坐标系(semilogy)下的图形 MATLAB(aa1) 曲 线 拟 合 问 题 的 提 法 已知一组（二维）数据，即平面上 n个点（xi,yi) i=1,…,n, 寻求一个函数（曲线）y=f(x), 使 f(x) 在某种准则下与所有数据点最为接近，即曲线拟合得最好． + + + + + + + + + x y y=f(x) (xi,yi) ?i ?i 为点（xi,yi) 与曲线 y=f(x) 的距离 拟合与插值的关系 函数插值与曲线拟合都是要根据一组数据构造一个函数作为近似，由于近似的要求不同，二者在数学方法上是完全不同的． 实例：下面数据是某次实验所得，希望得到X和 f之间的关系？ MATLAB(cn) 问题：给定一批数据点，需确定满足特定要求的曲线或曲面 解决方案： 若不要求曲线（面）通过所有数据点，而是要求它反映对象整体的变化趋势，这就是数据拟合，又称曲线拟合或曲面拟合． 若要求所求曲线（面）通过所给所有数据点，就是插值问题； 最临近插值、线性插值、样条插值与曲线拟合结果： 曲线拟合问题最常用的解法——线性最小二乘法的基本思路 第一步:先选定一组函数 r1(x), r2(x), …,rm(x), mn, 令 f(x)=a1r1(x)+a2r2(x)+ …+amrm(x) （1） 其中 a1,a2, …,am 为待定系数． 第二步: 确定a1,a2, …,am 的准则（最小二乘准则）： 使n个点（xi,yi) 与曲线 y=f(x) 的距离?i 的平方和最小 ． 记 问题归结为，求 a1,a2, …,am 使 J (a1,a2, …,am) 最小． 用MATLAB作线性最小二乘拟合 1. 作多项式f(x)=a1xm+ …+amx+am+1拟合,可利用已有程序: a=polyfit(x,y,m) 2. 对超定方程组 可得最小二乘意义下的解． ，用 3.多项式在x处的值y可用以下命令计算： y=polyval（a，x） 输出拟合多项式系数 a=[a1, …,am , am+1] (数组)） 输入同长度 的数组x，y 拟合多项 式次数 即要求 出二次多项式: 中 的 使得: 例 对下面一组数据作二次多项式拟合 1）输入以下命令： x=0:0.1:1; y=[-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2]; A=polyfit(x,y,2) z=polyval(A,x); plot(x,y,k+,x,z,r) %作出数据点和拟合曲线的图形 2）计算结果： Ａ = -9.8108 20.1293 -0.0317 解 用多项式拟合的命令 MATLAB(zxec2) 1. lsqcurvefit 已知数据点： xdata=（xdata1,xdata2,…,xdatan）, ydata=（ydata1,ydata2,…,ydatan） 用MATLAB作非线性最小二乘拟合 MATLAB提供了两个求非线性最小二乘拟合的函数：lsqcurvefit和lsqnonlin．两个命令都要先建立M文件fun.m，在其中定义函数f(x)，但两者定义f(x)的方式是不同的,可参考例题. lsqcurvefit用以求含参量a（向量）的向量值函数 F(a,xdata)=（F（a,xdata1）,…,F（a，xdatan））T 中的参变量x(向量),使得 输入格式为: (1) x = lsqcurvefit (‘fun’,x0,xdata,ydata