最小二乘曲线拟合与其MATLAB实现.docVIP

最小二乘曲线拟合及其MATLAB实现 摘 要：随着人类认识能力的不断进步以及计算技术的快速发展，对于变量之间的未知关系，应用曲线拟合的方法对揭示其内在规律具有重要的理论与现实意义。在科学实验数据的处理、分析时，实验数据拟合是经常采用的一种方法。本文为了解决所给数据的曲线拟合问题，采用了最小二乘曲线进行拟合。根据最小二乘拟合理论，并利用MATLAB数值分析软件进行编程，实现相应数据的曲线拟合，获得了曲线模型对相应数据的拟合曲线，很好地解决了所给数据的曲线拟合问题。 关键词：曲线拟合，最小二乘法，MATLAB 前 言 在科学实验数据处理，分析中，有时往往需要根据一组给定的实验数据,求出自变量x与因变量y的函数关系，有时很难找到它们之间的精确表达式 , 这时就要根据观察点的数值，利用最小二乘曲线拟合去构造一个近似解析式。利用该方法“拟合”出的函数曲线虽然不能保证通过所有的样本点，但是很好地“逼近”了它们，充分反映了已知数据间内在的数量关系.因此，这种方法在生产实践和科学实验中具有广泛的应用前景.一般构造的方法很多，本文针对最小二乘曲线拟合的有关问题以及相应的MATLAB实现进行探讨。 1. 最小二乘曲线拟合 最小二乘曲线拟合方法：根据给定的实验数据，要求所给的实验数据与一个函数【1】拟合，若记误差 ，，【1】设，,…是上线性无关函数族，在【1】中找一个函数，使误差平方和 ， 这里 (nm) 【1】 这称为曲线拟合的最小二乘法。 2.曲线拟合问题 已知数据如下表1 表1 x 0.1 0.4 0.5 0.7 0.7 0.9 y 0.61 0.92 0.99 1.52 1.47 2.03 试确定拟合函数的系数，并画出拟合曲线。 3.MATLAB实现求解 MATLAB 是一个高级的数值分析、处理与计算软件。在本文中利用MATLAB软件来实现曲线拟合问题的求解，采用MATLAB中提供的lsqcurvefit函数实现最小二乘拟合。其调用格式为x=lsqcurvefit（fun，x0，xdata，ydata）【2】，其中fun为拟合函数，x0为初始参数，（xdata，ydata）为一组观测数据。 根据要求在MATLAB中建立拟合函数的M文件fun.m，代码如下： function f=fun(x,xdata) n=length(xdata); for i=1:n f(i)=x(1)+x(2)*xdata(i)+x(3)*sin(xdata(i))+x(4)*exp(xdata(i)); end 其实现的MATLAB代码如下： clear all; xdata=[0.1 0.4 0.5 0.7 0.7 0.9]; ydata=[0.61 0.92 0.99 1.52 1.47 2.03]; x0=[1 1 1 1]; [x,resnorm,residual]=lsqcurvefit(fun,x0,xdata,ydata) 运行程序，输出如下： x = -5.5881 -21.2454 14.6466 6.2096 resnorm = 0.0067 residual = 0.0022 -0.0390 0.0590 -0.0397 0.0103 0.0072 从而拟合函数为 绘制拟合曲线的代码如下： plot(xdata,ydata,ro); xi=0:0.1:1.0; y=fun(x,xi); grid on;hold on plot(xi,y); legend(观测数据点,拟合数据点); xlabel(数据);ylabel(拟合); 运行程序，效果如图1所示。 图1 最小二乘曲线拟合效果图 4.结论 首先介绍了最小二乘法，其次针对相应的曲线拟合问题应用MATLAB具体实现了最小二乘曲线的拟合，获得了最小二乘拟合曲线，使相应的曲线拟合问题得到了解决。在今后的研究和工作中也可以应用MATLAB 来实现建立曲线模型对相应数据对象进行曲线拟合，从而找到更好更形象的反映变量之间关系的曲线，找到合适的拟合曲线。 参考文献 [1].李庆杨，王能超，易大义.数值分析[M].北京：清华大学出版社，2008:73-78 [2].张德.MATLAB 数值分析[M].北京：机械工业出版社，2012：254-262 [3].唐培培，戴晓霞，谢龙汉.MATLAB 科学计算及分析[M].北京：电子工业出版社，2012:253-261 完成人签名： 沈小龙 汪强 王华敏 完成时间： 2012年 11 月2