最小二乘法实现实验数据拟合的简单尝试 最优化方法论文概要1.docxVIP

最小二乘法实现实验数据拟合的简单尝试 班级 物理1201 学号 201210800123 姓名 叶圣泓 最小二乘法实现实验数据拟合的简单尝试 叶圣泓 （浙江工业大学理学院，物理1201，201210800123，浙江 杭州 310029） 摘要：在实验科学、社会科学和行为科学中，实验和勘测常常会产生大量的数据。为了解释这些数据或者根据这些数据做出预测、判断，给决策者提供重要的依据,需要对测量数据进行拟合，寻找一个反映数据变化规律的函数。由于数据拟合方法所处理的数据量大而且不能保证每一个数据没有误差，所以要求一个函数严格通过每一个数据点是不合理的。结合一些简单物理实验的数据，使用最小二乘法进行数据拟合以了解最小二乘法的使用。 关键词：最小二乘法；数据拟合；物理实验 中图分类号：O 01 029 Least squares method to implement simple experimental data fitting (College of Science，Zhejiang University of technology，Hangzhou 310029，Zhejiang，China) Abstract：In the experimental science, social science and behavioral science, experiment and survey will often produce a large amount of data. In order to explain the means of these data or make predictions based on these data, judgment, and provide important basis to decision makers, we need to fitting of measurement data, looking for a function reflect the change rule of data. Due to the large amount of data of data fitting method and we cant guarantee every data without error, so it’s not reasonable to ask a function strictly through each data point. Combined with some simple physical experiment data, use the least-square method for fitting to understand the use of the least-square method. Key words：the least-square method；data fitting；physical experiment 引 言 在科学和工程试验中，经常产生一组数据,这里的横坐标是明确的。数值方法的目标之一是确定一个将这些变量联系起来的函数。通常会选择一类可用的函数并确定它们的系数。选择函数的可能性是多种多样的。一般会根据物理情况采用 一个基本数学模型来确定函数的形式。最小二乘法是较为基础的数据拟合方法，在这里将结合大一大学基础物理实验学习中实际测得的一些数据，用最小二乘法获得它们的拟合曲线并进行简要分析。 在我们研究两个变量之间的相互关系时，通常可以得到一系列成对的数据；将这些数据描绘在X-Y直角坐标系中，先简单推导一下一元一次线性函数的最小二乘拟合，若发现这些点在一条直线附近，可以令这条直线方程如（式1-1）。 （式1-1) 其中：A、B 是任意实数 为建立这直线方程就要确定A和B，应用“最小二乘法原理”，将实测值与利用（式1-1）计算值的离差的平方和最小为“优化判据”。 令：（式1-2)把（式1-1）代入（式1-2）中 得：（式1-3) 当最小时，可用函数 对A、B求偏导数，令这两个偏导数等于零。 （式1-4) （式1-5) 亦即：（式1-6) （式1-7) 得到的两个关于A、 B为未知数的两个方程组，解这两个方程组得出： （式1-8) （式1-9) 这时把A、B代入（式1-1）中， 此时的(式1-1）就是我们回归的元线性方程即：数学模型。 在回归过程中，回归的关联式是不可能全部通过每个回归数据点，为了判断关联式的好坏，可借助相关系数“R”，统计量“F”，剩余标准偏差“S”进行判断。 在（式1-1）中，m为样本容量，即实验次数；Xi、Yi分别任意一组实验