4.5数据拟合(最小二乘法).pptVIP

* 5 数据拟合(最小二乘法) 1 问题的引出 在自然科学和工程技术中，常常通过测量或实验得到函数 y=f (x)在一些点 x0，x1，x2，…，xn 上的函数值 y0，yl，y2，…，yn，其中各xi互不相同。这些数据本身具有两个特点：一是数据量比较大；二是由于这些数据是通过测量得到的，因此数据本身存在一定的误差。 如果用前面介绍的插值法，通过这几个已知点所求得的插 值多项式必定是高次插值多项式，而高次插值是数值不稳定的。 另一方面，由于数据本身存在误差，利用插值所得到的插值多项式必然保留了所有的测量误差，使所得结果可能与实际问题误差较大。然而，对数据拟合问题，一般地说，并不要求所得出的近似解析表达式通过所有已知点，而只要求尽可能 通过它们的近旁。这样一来，可以部分抵消原来数据组中所包含的测量误差，从而使所得结果能更好地反映客观实际，所以说它更具有实用价值。在工程问题中使用的经验公式就是利用数据拟合方法得到的。 很小来保证每个偏差都很小。但是，由于偏差有正有负，在求和时可能互相抵消。因此，我们用偏差的平方和 为最小来保证每个偏差的绝对值都很小。这种根据偏差的平方和为最小的条件来选择 的方法称为最小二乘法或称为最小二乘曲线拟合法。 那么，用什么样的函数 去拟合数据（xi，yi)(i=1， 2， …，m）呢？一般地， 常用的基函数有 2 用最小二乘法解矛盾方程组 求解线性方程组时，通常要求未知数的个数与方程式的个数相等。如果方程式的个数多于未知数的个数，这就往往无解，这样的方程组叫做矛盾方程组。 最小二乘法是用来解矛盾方程组的一个常用方法。 设有矛盾方程组： 即： 因为式(4. 40)是矛盾方程组，所以找不到能同时满足这n个方程的解。因此我们转而寻求在某种意义下的近似解。这种近似解当然不是指对精确解的近似（因为精确解并不存在），而是指寻求各未知数的一组值，使方程组(4. 40)中各式能近似相等。 我们把各方程两端之差 称为误差。按最小二乘法的准则，是把各方程式误差的平方和： 作为衡量一个近似解的近似程度的标志。如果：xj（j=1，2，…，m）的取值，使误差的平方和（4. 41)式达到最小，则称这组值是矛盾方程组(4.40)的最优近似解。 误差平方和Q可以看成m个自变量Xj的二次函数，因此， 解矛盾方程组(4. 40)的问题归结为求二次函数Q的最小值问题。 因为二次函数Q是：x1，x2，…，xm的连续函数，且 故一定存在一组数 x1，x2，…，xm使Q达到最小值。由高等数学可知，二次函数Q达到最小值（即极小值）必满足条件： 而 从而极值条件变为 (4.42) 具有m个未知量m个方程式的线性方程组(4. 42)叫做对应于矛盾方程组(4. 40)的正规方程组。由上述推导可以看出，正规方程组(4. 42)的解是矛盾方程组(4. 40)的最优近似解。 记 则方程组(4.40)可表示为 如果用ckj表示正规方程组第k个方程中xj的系数，用dk表示正规方程组第k个方程的右端项，正规方程组(4.42）可记为 其中 于是正规方程组(4. 42)可用矩阵表示为 或 用最小二乘法解矛盾方程组Ax=b的步骤可归纳如下： (1) 计算ATA和ATb，得正规方程组ATAx=ATb; (2) 求解正规方程组，得出矛盾方程组的最优近似解。 3 用多项式作最小二乘曲线拟合 若取基函数为 则它们的线性组合 是关于x的m次多项式。将n对数据(xi，yi）代入式(4. 46)，就得到一个具有m＋1个未知数aj的n个方程的矛盾方程组： 则方程组（4. 47)可记为 它对应的正规方程组为 这是关于m+1个未知量aj(j=0, 1, 2,…，m)的线性方程组，只要它的系数行列式不等于零，就可求得方程组(4.47)的唯一的一组最优近似解，使得 取得极小，从而求得所给数据的最小二乘拟合多项式。 故在计算正规方程组的系数矩阵时，只需计算 n， 然后按上述顺序 排列即可。这样可大大节约计算量。 利用多项式作最小二乘数据拟合的具体步骤如下： (1) 计算正规方程组的系数矩阵和常数项的各元素： (2) 利用改进的平方根法或迭代法求正规方程组的解: 则最小二乘数据拟合多项式为 例8 通过实验获得数据如下： 试用最小二乘法求多项式曲线，使与此数据组相拟合。 解：根据前面所述，解题步骤如下： (1) 描绘分布图。将数据 (xi, yi) 标在坐标纸上，如图4-3所示。 从图可以看出，点的分布接近一条抛物线。 (2) 确定近似表达式，取