[教育学]第一章 常用数值分析方法§3 插值法与曲线拟合.ppt

3.3.2.4 多项式拟合举例 3.3.3.1 线性模型的参数确定 利用最小二乘技术求出模型中的各待定参数aj（j = 0, 1, 2, …, m） 3.3.3.2 简单非线性模型的参数确定 简单非线性模型——能通过简单的数学变换（变量代换等） 转化为线性模型的非线性模型。 例1. 用非线性经验公式 拟合实验数据xi、yi （i = 1, 2, …, n），求模型参数a、b。 例2. 已知一活化极化体系的阳极极化过程符合如下规律： 现通过实验测得其n组阳极极化数据为：ΔEi、iai（i = 1, 2, …, n），求该体系腐蚀速度icor和Tafel斜率ba。 3.3.3.3 一般非线性模型的参数确定 迭代的最小二乘技术（以充电曲线方程式的拟合为例 ） b) 近似处理变超越方程为线性方程 c) 用最小二乘法拟合线性模型，求出其中的参数u、v、z 作 业 对w设定初值w0 左边第一项 近似处理 变量代换 d) 对误差参数z进行误差检验 检验方法：要求误差参数z足够小（如：z10-7），满足则可；否则，重设初值（w0 = w0 + z），以新的w0代入w = w0 + z中重新迭代、拟合（即：重复a~d操作）。 参数还原 由求出的线性方程中的待定参数（u、v、z）还原求出原超越方程中的待定参数（Cd、Rp、Rl）。 * * */37 X.Z.Lin §3 插值法与曲线拟合 3.1 实验数据统计处理 3.2 插值法（Lagrange插值法） 3.3 曲线拟合（最小二乘法） 平行试验数据处理，误差分析。 根据实验测定的离散数据，求未测的某点数据。 根据实验测定的离散数据，拟合曲线，分析数据规律，求函数表达式。 3.1 实验数据统计处理 系统误差 偶然误差 过失误差 图6.1 平行试验数据的正态分布图 -3σ -2σ -σ 0 σ 2σ 3σ 经常性的原因 影响比较恒定 校正 偶然因素 正态分布规律 统计分析 操作、计算失误 错误数据 剔出 3.1.1 误差 3.1.2 数据的统计分析 （4）剔出错误数据 （5）用标准形式表示统计处理结果 （1）算术平均值 （2）标准偏差 （3）平均标准偏差 返回（1）重算 值 法 Q ?可疑数据 ?可疑数据 数据排序（升）：x1，x2，…，xn； 最大与最小数据之差； 可疑数据与其最邻近数据之间的差 求Q值： 查Q值表得出标准值Q0.90； 可疑值判断 Q≥Q0.90 错误数据 剔出 Q Q0.90 数据合理 保留。 函数常被用来描述客观事物变化的内在规律——数量关系，如宇宙中天体的运行，地球上某地区平均气温的变化等等，但在生产和科研实践中碰到的大量的函数中，不仅仅是用解析表达式表示的函数，还经常用数表和图形来表示函数，其中函数的数表形式在实际问题中应用广泛，主要原因是有相当一部分函数是通过实验或观测得到的一些数据，这些数据只是某些离散点 xi 上的值（包括函数值f (xi)，导数值 f?(xi)等,i = 1,2,…,n)，虽然其函数关系是客观存在的，但却不知道具体的解析表达式，因此不便于分析研究这类数表函数的性质，也不能直接得出其它未列出点的函数值，我们希望能对这样的函数用比较简单的表达式近似地给出整体的描述。 3.2 插值法（ Interpolation ） 3.2.1 概述 另一方面，有些函数，虽然有解析表达式，但因其过于复杂，不便于计算和分析，同样希望构造一个既能反映函数的特性又便于计算的简单函数，近似代替原来的函数。 如在积分 中，当f (x)很复杂，要计算积分 I 是很困难的，构造近似函数使积分容易计算，并且使之离散化能上机计算求出积分I，都要用到插值逼近。 解决上述问题的方法有两类：一类是对于一组离散点(xi,f (xi)) (i = 1, 2, …,n)，选定一个便于计算的函数形式?(x)，如多项式，分段线性函数，有理式，三角函数等，要求?(x)通过点?(xi)=f (xi) (i = 1, 2,…,n),由此确定函数?(x)作为f