曲线拟合方法的探讨.docVIP

关于曲线拟合方法的探讨 杜春雨 1014207010 化工学院 摘要：曲线拟合是一种重要的数据处理方法。本文介绍了最小二乘法、移动最小二乘法，三次样条函数法以及拉格朗日插值法四种曲线拟合方法，并对上述四种方法进行分析、比较，从而为曲线拟合方法的选用做出最好选择。 关键词：曲线拟合；方法；离散点 引言 在实际工作中，变量之间未必都有线性关系，如在工程中，溶液的吸收量与时间之间，太阳能电池电压和电流之间之间，常常呈现曲线关系[1，2]。因此，在生活或工业生产中，需要用适当的曲线类型来拟合观测数据，并用拟合的曲线方程分析两变量之间的关系。作为一种重要的数据处理方法，曲线拟合可以用连续曲线近似地刻画或比你平面离散点组所表示的坐标之间的函数关系。常用的数学曲线拟合方法有最小二乘法、移动最小二乘法，三次样条函数法以及拉格朗日插值法等，本文将对以上提到的四种曲线拟合方法进行介绍，并对上述四种方法进行分析、比较，为曲线拟合方法选用做出最好的选择。 2.拟合方法论述 2.1最小二乘法 最小二乘法是一种通过最小化误差的平方来寻找数据最佳匹配函数的方法，他也是进行曲线拟合的一种早期使用方法。最小二乘法的拟合函数可以是一元二次的，也可以是一元多次，还可以是多元多次的。 最小二乘法是通过求出数据点到拟合函数的距离和最小的拟合函数进行拟合。另f(x)为拟合函数，y为数据点，计算数据点到拟合函数所表示的曲线距离最小，即： 由于||δ||可以看作多元函数，故上述拟合多项式的构造问题可归结为多元函数的极值问题。通过极值问题的求解，可以将拟合函数的系数求出，从而求解出拟合函数。 2.2移动最小二乘法 移动最小二乘法是一种通过引入紧支概念，选取适当的权函数，算出拟合函数来代替最小二乘法中的拟合函数的方法。由于选取了合适的权函数，因此其比最小二乘法具有更高的拟合精度和拟合光滑度[3]。 设拟合函数为f(x)在求解域Ω内的n个节点Pi(i=1,2,3,...,n),则 式中，α(x)为待求系数，K(x)为线性基函数。一般令K(x)=[1,x,y]T,通过求解，可求出α(x)，得到f(x)。 移动最小二乘法的拟合流程分为以下几个部分： 将拟合区域网格化； 对每个网格点x进行循环； （a）确定网格点x的影响区域的大小； （b）确定包含在x的影响区域的节点； （c）计算形函数； （d）计算网格点x处的节点值。 （3）结束网格点循环； （4）连接网格点形成拟合曲线。 2.3三次样条函数法 在早期工程师制图时，把富有弹性的细长木条（即样条）用压铁固定在样点上，在其他地方让他自由弯曲，然后沿木条画下曲线，由于形变很小，可以计算出每两点之间的曲线近似地是一个三次多项式，这便是三次样条插值函数的实际背景。 设y=f(x)是区间[a,b]上的函数，在[a,b]上取定节点 a=x0x1...xn=b 已知f(xi)=yi, i=0,1,...,n 如果函数S(x)满足 S(xi)=yi, i=0,1,...,n S∈C2[a,b], 在每个子区间[xk,xk+1]上，S(x)是次数不超过3的多项式，则称S(x)是函数f(x)以x0，x1，...，xn为节点的三次样条插值函数。 三次样条函数共有4n个待定参数，可供利用的条件共有4n-2个，其中插值条件n+1个，连续性条件3n-3个。为确定函数S(x)，通常在区间[a,b]的端点a=x0和b=xn上各附加一个条件，从而求出三次样条插值函数S(x)。常见的附加边界条件有固定至边条件，自然边界条件和周期性条件三种。 2.4拉格朗日插值法 在数值分析中，拉格朗日插值法是以法国十八世纪数学家约瑟夫·拉格朗日命名的一种多项式插值方法，其同样可以进行曲线模拟。 令 其中 的n次多项式，k=0,1,...,n.由于x0,x1,...,xk-1,xk+1,...,xn是lk(x)的n个零点，所以 又由可知 因此 代入，得 形如上式的插值多项式称为拉格朗日多项式。 当n=2时，上式得f(x)的二次插值函数 用L2(x)近似代替f(x)，在几何上就是用通过点(x0,y0),(x1,y1)和(x2,y2)的抛物线y=L2(x)近似代替曲线y=f(x),因此，二次插值又叫抛物线插值。 3.拟合方法的比较 在上述方法中，最小二乘法的精度最低。这是由于其结果实际上是表示满足y方向方差具有极小值解。如果点集各项分散程度相同，那么，采用上述方式得到的仅仅是满足了一个方向方差极小的一个解。但由于其计算量的简单，最小二乘法在初等曲线拟合中依然被广泛应用。 移动最小二乘法是最小二乘法的一个改进方法，其余传统最小二乘法相比，有两个比较大的改进: （1）拟合函数的建立不同。这种方法建立拟合函数不是采用传统的多项式或其它函数，而是由一个系数