数学建模 数学实验---插值及案例.pdfVIP

插值在工程实践和科学实验中有着非常广泛而又 十分重要的应用，例如，信息技术中的图像重建、图 像放大中为避免图像的扭曲失真的插值补点、建筑工 程的外观设计。化学工程实验数据与模型的分析、天 文观测数据、地理信息数据的处理如(天气预报）以 及社会经济现象的统计分析等等。 插值方法在数学建模竞赛中也发挥着重要的作用， 历年很多赛题中如与图形处理有关的问题很多与插值 有关系，例如98年美国赛A题，生物组织切片的三维 插值处理，94年A题逢山开路，山体海拔高度的插值 计算， 2005年的雨量预报的评价的插值计算等。 二、基本概念 在工程实践和科学实验中，常常需要从一组实 验观测数据，揭示自变量x与因变量y之间的关系，使 所得到的近似函数与已知数据有较高的拟合精度。通 常可以采用两种方法：曲线插值和拟合． 若要求这个近似函数经过已知的所有数据点，则 称此类问题为插值问题。 （不需要函数表达式） 注：插值问题不一定得到近似函数的表达形式，仅 通过插值方法找到未知点对应的值。 四、插值方法及MATLAB求解 插值方法 选用不同类型的插值函数，逼近的效 果就不同，一般有：  拉格朗日插值 （lagrange插值）  分段线性插值  Hermite  三次样条插值。  MATLAB实现插值 MATLAB自身提供了如下内部的功能函数: 一维插值函数：interp1() 二维插值函数：intep2() 三维插值函数：interp3() n维插值函数：intern() 用MATLAB作一维插值计算 一维插值的实现： yi=interp1(x，y，xi，method) xi的插 已知插值节点 需要插值节点 插值方法 值结果 ‘nearest’ 最邻近插值； 注意：所有的插值方 ‘linear’ 线性插值； 法都要求x 是单调的， ‘spline’ 三次样条插值； 并且xi不能够超过x 的 ‘cubic’ 立方插值； 范围． 缺省时 分段线性插值． 参数‘method’的进一步说明 ‘nearest’：最近点插值，插值点处的值取与该插 值点距离最近的数据点函数值； ‘linear’：分段线性插值，用直线连接数据点，插 值点的值取对应直线上的值； ‘spline’：三次样条函数插值 ，该方法用三次样条 曲线通过数据点，插值点处的值取对应曲线上的值； ‘cubic’or‘pchip’：分段三次Hermite插值 ，确 定三次Hermite函数，根据该函数确定插值点的函数 值。 缺省时 表示分段线性插值。 例 用以上4种方法对y=cosx在[0,6]上的一维插值效果进行比较。 x=0:6; y=cos(x); xi=0:.25:6; yi1=interp1(x,y,xi,nearest); yi2=interp1(x,y,xi,linear); yi3=interp1(x,y,xi,spline); yi4=interp1(x,y,xi,‘pchip‘or’cubic’); plot(x,y,ro,xi,yi1,--,xi,yi2,-,xi,yi3,k.-,xi,yi4,m:) legend(‘原始数据’,‘最近点插值’,‘线性插值’,’样 条插值 ‘,’立方插值’) 例 从1点12点的11小时内，每隔1小时测量一次温度， 测得的温度的数值依次为：5，8，9，15，25，29， 31，30，22，25，27，24．试估计每隔1/10小时的 温度值． 解： 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,temp