04函数插值及曲线拟合.pptVIP

第4章 ;引言1---插值与拟合在科学研究和工程实践中应用广泛; 区别： 运算过程上的区别： 拟合：是将数据点用最恰当的曲线描述出来，以反映问题的规律，是特殊到一般的过程。 插值：是在知道曲线的形状后得出某些具体点的性质的过程,是从一般到特殊。 求解误差上的区别： 拟合：考虑观察值的误差（误差不可避免时）。以偏差的某种最小为拟合标准 插值：在观测点处无误差 ;§4.1 函数插值; 如果可以寻找出与已测得的实验数据相适应的近似解析函数式，则可根据近似解析表达式求出未列点的函数值。 ;0.1 函数插值的定义;0.2 代数多项式插值法;对于多项式插值，我们主要讨论: 插值多项式的常用构造方法有哪些？; §4.1.1 拉格朗日多项式插值法;拉格朗日插值法求多项式模型为：;（4－3）;;例1 ;2 拉格朗日多项式插值法的Matlab实现;例4.1： 从手册中查到水在不同温度（T）时的导热系数（ ）的数据如表4-2所示。 表4-2 水在不同温度时的导热系数 试用拉格朗日多项式插值法分别计算水在80C、250C、560C、730C、960C时热导率数值。;解：Matlab计算程序如下：;“龙格现象” －－拉格朗日高次插值多项式的缺陷 拉格朗日插值多项式次数越高，利用被插函数节点信息越多，理应误差越小。可事实并非如此，龙格（Runge）就给出了一个例子： 设被插函数:;-1;; 为避免拉格朗日插值法的不稳定现象。实际进行插值计算时，通常将插值范围分为若干段，然后在每个分段上使用低次插值。这就是分段插值法。 由式（4－1）容易写出分段线性插值公式。设插值节点为 ，函数值为 ，任取两相邻的节 ，形成插值区间[ ]。 ;显然;3 线性插值法在Matlab中的实现;;;什么是样条:;;这称为三次样条函数的M表达式。;三弯矩方程组;2 三次样条插值法的Matlab实现;例4.3：为了绘制乙醇－水二元溶液的气液平衡曲线，查到24点实验数据如表4-4所示。表中x和y分别表示液相和气相中乙醇摩尔分数。但表中缺少低浓度点的数据，且数据分布不均匀。试用三次样条插值法对???下插值点插值并画出乙醇－水二元溶液的气液平衡曲线。 表4-4 乙醇－水二元溶液的气液平衡曲线实验值;解：用interp1或spline函数，分别求出插值点处的对应函数值并画出乙醇－水二元溶液的气液平衡曲线。Matlab计算程序如下： x=[0,0.018,0.054,0.078, 0.111,0.147,0.172,0.203,0.210,0.241,0.297,0.320,0.381,0.391,0.423,0.425,0.497,0.507,0.567,0.685,0.767,0.838,0.882,0.894]; y=[0,0.163,0.328,0.386,0.452,0.491,0.512,0.524,0.520,0.546,0.573,0.577,0.600,0.608,0.621,0.623,0.653,0.656,0.684,0.743,0.796,0.846,0.884,0.894]; xk=[0.010,0.018,0.020,0.050,0.078,0.100,0.118,0.200,0.300,0.400,0.425,0.500,0.600,0.700,0.800,0.838,0.866,0.899]; yk=spline(x,y,xk); plot(x,y,*,xk,yk,r);grid; legend(样本点,三次样条插值) ;图4-1 三次样条插值乙醇－水二元溶液的气液平衡曲线;4.1.4 分段三次Hermite插值法; §4.2 最小二乘法曲线拟合;;0.1 最小二乘法曲线拟合的原理;经验建模 经验建模又分为两种情况： 一是无任何理论依据，但有经验公式可供选择，例如很多物性数据（热容、密度、饱和蒸气压）与温度的关系常表示为: 二是没有任何经验可循的情况，只能将实验数据画出图形与已知函数图形进行比较，选择图形接近的函数形式作拟合模型。;;对于一元线性函数：;欲使Q最小，按极值的必要条件，要满足:;可推导出;2 多元线性最小二乘法的方法概述;共n个影响因子，有m次实验数据，; 则（4-6）转化为以 为未知数的方程组： 式（4-7）称为多元线性最小二乘法的法方程。解此方程组，可求出参数 ，因此拟合方程