数值计算课程设计,拟合方法与拟合函数的选取.doc

题目：拟合方法与拟合函数的选取 班级： 数101班 数102班 数101班 指导教师： 谭高山 提交日期：2013年5月 13日 目录 一、拟合问题的提出……………………………………………….1 二、拟合准则……………………………………………………….1 三、拟合函数的选取..…………………………………………….1 四、函数拟合实.………………………………………………….2 4.1 多项式拟合……………………………………………………2 4.2 指数与复合函数拟合.....………………………………………4 4.3 分段拟合………………………………………………………7 五、总结…………………………………………………………..12 六、参考文献……………………………………………….…….12 拟合问题的提出 在很多科学实验中，我们通过测量或观察等方法获得一组看上去杂乱无章的数据，为了找出这些数据之间的某种规律和联系，即寻找一个较简单的函数曲线，使之在一定准则下最接近这些数据点，以便突显各数据点的先后变化趋势，由此便产生了曲线拟合的概念。 曲线拟合在实际中有着很广泛的实用价值。因为我们所获取的实验数据本身往往带有测量误差，难免会出现个别数据误差过大的现象。相比于插值法，曲线拟合时，不要求曲线严格地经过每一个数据点，这样就能有效降低个别数据对整体数据规律的干扰作用；另外，实验数据往往很多，插值法会比较繁杂，拟合方法则更实际更高效。 拟合准则 在曲线拟合中，有几种不同的误差准则： 1.最大误差: 平均误差 均方根误差 误差平方和 通过求误差的最小值，可得该准则下的最佳拟合曲线。由于误差平方和容易进行最小化计算，故而我们通常采用该标准，称之为最小二乘准则。以下课程实验都是在最小二乘准则下实现的。 三、拟合函数的选取 曲线拟合时，首要也最关键的一步就是选取恰当的拟合函数。对于一组给定的数据，我们可以先做出其散点图，判断应该采用什么样的曲线来作拟合，然后在直观判断的基础上，选取多组曲线分别作拟合，然后比较，看哪条曲线的最小二乘指标最小，也即拟合的最好。 一般来说，选取多项式作为拟合曲线，是简单且常用的。MATLAB中有现成的多项式拟合程序，调用格式为f=polyfit(x,y,n)，其中输入参数x，y为要拟合的数据，n为拟合多项式的系数，输出参数f为拟合多项式的系数向量。 对于稍微复杂一点的拟合曲线，我们可以先通过线性变换将之转换成简单的线性函数，接着再用多项式拟合的命令f=polyfit(x,y,n)来实现函数的拟合。下面表格列举两个线性变换的例子： 原函数y 化为线性函数Y=AX+B型 变量与常量的变化 函数拟合实例 4.1多项式拟合 例1.给定一组数据点 如下表： -1.5 -0.7 0 0.5 1.9 2.2 2.9 3.8 4.2 7.52 3.98 2.99 3.57 10.18 12.73 19.81 31.90 38.24 首先，我们在MATLAB中输入程序 x=[-1.5 -0.7 0 0.5 1.9 2.2 2.9 3.8 4.2];y=[7.52 3.98 2.99 3.57 10.18 12.73 19.81 31.90 38.24]; plot(x,y,b*),xlabel(x),ylabel(y) title(表中数据点（xi，yi）的散点图) 运行后得表中数据的散点图如下(图中*表示数据点的坐标）: 因为数据散点图的变化趋势与二次多项式很接近，所以可选用二次多项式作为拟合曲线，设f(x)=ax^2+bx+c。编程: x=[-1.5 -0.7 0 0.5 1.9 2.2 2.9 3.8 4.2];y=[7.52 3.98 2.99 3.57 10.18 12.73 19.81 31.90 38.24]; f=polyfit(x,y,2);a=f(1),b=f(2),c=f(3) X=-1.5:0.01:4.2;Y=polyval(f,X);f=polyval(f,x); fy=abs(f-y);E=sum((fy.^2)) plot(x,y,r*,X,Y,b-),xlabel(x),ylabel(y) title(拟合直线与数据点结合图) 运行后得： a = 1.9974; b =0.0021; c = 3.0188; E = 0.0097 生成如下图形： 即拟合多项式为：f=1.9974x^2+0.0021x+3.0188; 误差很小，只