第九章 Matlab实训5.ppt

Matlab应用：拟合问题 * * 实 训 五 温度t(0C) 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600C时的电阻R。 设 R=at+b a,b为待定系数 拟 合 问 题 引 例 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 曲 线 拟 合 问 题 的 提 法 线性最小二乘拟合 f(x)=a1r1(x)+ …+amrm(x)中函数{r1(x), …rm(x)}的选取： 1. 通过机理分析建立数学模型来确定 f(x)； + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + f=a1+a2x f=a1+a2x+a3x2 f=a1+a2x+a3x2 f=a1+a2/x f=aebx f=ae-bx 2. 将数据 (xi,yi) i=1, …n 作图，通过直观判断确定 f(x)： 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.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 方法一 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 方法二 可以用MATLAB ‘Basic Fitting’ Tool 例 对下面一组数据作多项式拟合 （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]; plot(x,y,‘k+’) %画出散点图 %打开Tools—Basic Fitting菜单 To normalize data with Curve Fitting Tool, select the Center and scale X data check box. Note?? Because the predictor data changes after normalizing, the values of the fitted coefficients also change when compared to the original data. However, the functional form of the data and the resulting goodness of fit statistics do not change. Additionally, the data is displayed in Curve Fitting Tool using the original scale. 误差模为：2.0666 10次多项式拟合后，误差模为：9.4115e-10 拟合效果比二次拟合要好很多 电阻问题 温度t(0C) 20.5 32.7 51.0 73.0 95.7 电阻R(?) 765 826 873 942 1032 例. 由数据 拟合R=a1t+a2 方法1.用命令 polyfit(x,y,m) 得到 a1=3.3987, a2=702.0968 方法2 4次多项式拟合后，误差模为：9.0949e-13 拟合效果比二次拟合要好很多 非线性数据拟合命令： 1. lsqnonlin命令用来求解非线性最小二乘问题： 其中