[理学]数据拟合与插值1.ppt

数据拟合与插值 山东建筑大学 贺长伟 一、引言 在解决实际问题的生产（或工程）实践和科学实验过程中，通常需要通过研究某些变量之间的函数关系来帮助我们认识事物的内在规律和本质属性，而这些变量之间的未知函数关系又常常隐含在从试验、观测得到的一组数据之中。因此，能否根据一组试验观测数据找到变量之间相对准确的函数关系就成为解决实际问题的关键。 例如在工程实践和科学实验中，常常需要从一组试验观测数据 之中找到自变量x与因变量y 之间的函数关系，一般可用一个近似函数y = f (x)来表示。函数y = f (x)的产生办法因观测数据和要求不同而异，通常可采用数据拟合与函数插值两种办法来实现。 二、拟合和插值 数据拟合主要是考虑到观测数据受随机观测误差的影响，进而寻求整体误差最小、能较好反映观测数据的近似函数y = f (x)，此时并不要求所得到的近似函数y = f (x)满足 函数插值则要求近似函数y = f (x)在每一个观测点 处一定要满足 在这种情况下，通常要求观测数据相对比较准确，即不考虑观测误差的影响。 在实际问题中，通过观测数据能否正确揭示某些变量之间的关系，进而正确认识事物的内在规律与本质属性，往往取决于两方面因素。 其一是观测数据的准确性或准确程度，这是因为在获取观测数据的过程中一般存在随机测量误差，导致所讨论的变量成为随机变量。 其二是对观测数据处理方法的选择，即到底是采用插值方法还是用拟合方法，插值方法之中、拟合方法之中又选用哪一种插值或拟合技巧来处理观测数据。 三、数据拟合 在科学计算中经常要建立实验数据的数学模型。给定函数的实验数据，需要用比较简单和合适的函数来逼近（或拟合）实验数据。这种逼近的特点是： (a) 适度的精度是需要的； (b) 实验数据有小的误差； (c) 对于某些问题，可能有某些特殊的信息能够用来选择实验数据的数学模型。 数据拟合基本方法 逼近离散数据的基本方法就是曲线拟合，常采用最小二乘拟合。 曲线拟合问题的数学描述是，已知一组（二维）数据 即平面上的n个点 互不相同。寻求一个函数（曲线） y = f (x)，使f (x)在某种准则下与所有数据点最为接近，即曲线拟合得最好。 最小二乘拟合分为线性最小二乘拟合和非线性最小二乘拟合。 3.1 线性最小二乘拟合 线性最小二乘法是解决曲线拟合问题最常用的方法，基本思路是，令 （1.1） 其中 是一组事先选定的线性无关 的函数， 是一组待定系数。寻求系数 使得 与 的距离 的平方和最小。这种准则称为最小二乘准则，其求系数 的方法称为线性最小二乘拟合方法。 1、 系数 的求法 若记 （1.2） 则J 为 的二次函数。由数学分析（或高 等数学）的极值理论，J 达到最小的充分必要条件 是 满足 于是得到求使J 达到最小的 方法 是求解线性方程组（称为法方程组） （1.3） 即求解线性方程组 （1.4） 若记 （1.5） 则方程组（1.4）可表示为 （1.6） 由于当 线性无关时，R列满秩， 可逆，所以方程组（1.6）有唯一解 （1.7） 2、 函数组 的选取 面对一组数据 ，用线性最小二乘法作曲线拟合时，首要的、也是关键的一步是恰当地选取 如果通过机理分析，能够知道y 与x之间应该有什么样的函数关系，则