插值与拟合应用举例.docVIP

插值与拟合 插值与拟合的基本概念 ???? 插值与插值函数：已知由 (可能未知或非常复杂)产生的一批离散数据 ，且n+1个互异插值节点，在插值区间内寻找一个相对简单的函数 ，使其满足下列插值条件： 再利用已求得的 计算任一非插值节点 的近似值 ，这就是插值。其中 称为插值函数， 称为被插函数。 最小二乘拟合： 已知一批离散的数据 ，互不相同，寻求一个拟合函数 ，使与的误差平方和在最小二乘意义下最小。在最小二乘意义下确定的 称为最小二乘拟合函数。 温度问题 在12小时内，每隔1小时测量一次温度。温度依次为：5，8，9，15，25，29，31，30，22，25，27，24。(单位:℃) 试估计在3.2h，6.5h，7.1h，11.7h的温度值，并画出其图形。 每隔1/10h估计一次温度值，并画出其图形。 请你找出跟上述12个数据拟合的最好的一条曲线,请分别用分段线性插值、三次样条插值方法（至少用两条不同的曲线，并比较它们拟合好坏的程度） hours=1:12; temps=[5,8,9,15,25,29,31,30,22,25,27,24]; t=interp1(hours,temps,[3.2,6.5,7.1,11.7]) %线性插值 T=interp1(hours,temps,[3.2,6.5,7.1,11.7],spline) %三次样条插值 计算结果为 t = 10.2000 30.0000 30.9000 24.9000 T = 9.6734 30.0427 31.1755 25.3820 每隔1/10h估计一次温度值并画出其图形： hours=1:12; temps=[5,8,9,15,25,29,31,30,22,25,27,24]; h=1:0.1:12; t=interp1(hours,temps,h,spline); plot(hours,temps,+,h,t,hours,temps,r:) xlabel(时间),ylabel(温度) 三次多项式拟合： hours=1:12; temps=[5,8,9,15,25,29,31,30,22,25,27,24]; a=polyfit(hours,temps,3) temps1=polyval(a,hours); plot(hours,temps,ro,hours,temps1,b.) 得到，图形如下： 四次多项式拟合：得到 比较拟合的好坏： 设为拟合函数的值，为测量值，则残差 。 汽车刹车距离 美国的某些司机培训课程中有这样的规则：正常驾驶条件下车速没增加10英里/小时，后面与前面一辆车的距离应增加一个车身的长度。又云，实现这个规则的一种简便办法是所谓2秒准则。即后车司机从前车经过某一标志开始默数2秒钟后到达同一标志，而不管车速如何。 试判簖2秒准则与上述规则是一样的么？这个规则的合理性如何，是否有更好的规则。 车速和刹车距离的一组数据 车速（km/h） 20 40 60 80 100 120 140 刹车距离 6.5 17.8 33.6 57.1 83.4 118.0 153.5 实际距离的拟合多项式，d=k1v2+ k2v 其M-file程序如下： v=[20:20:140]/3.6; v2=v.^2; x=[v;v2]; d=[6.5,17.8,33.6,57.1,83.4,118.0,153.5]; a=x\d dd=x*a ddd=[6.5,17.8,33.6,57.1,83.4,118.0,153.5]; b=polyfit(v,ddd,2) y=polyval(b,v) plot(v,ddd,ro,v,dd,b) 得到 图3 计算刹车距离曲线 作出实际距离的拟合2次多项式，d=k1v2+ k2v + k3 其M-file程序如下： v=[20:20:140]/3.6; d=[6.5,17.8,33.6,57.1,83.4,118.0,153.5]; k=polyfit(v,d,2) d1=polyval(k,v) plot(v,d1,b,v,d,r*); 得到k1， k2， k3 分别为0.0851 ， 0.6617 ， -0.1000 图4 二次多项式拟合刹车距离 山区地貌图 在某山区（平面区域（0，2800）（0，2400）内，单位：m）测得一些地点的高度（单位：m）如表1.1所示，试作出该山区的地貌图和等高线图。 表1.1 某山区一些地点的高度 2400 1430 1450 1470 1320 1280 1200 1080 940 2000 1450 1480 1500 1550