8拟合与插值.pptVIP

第八讲 拟合与插值 在大量的应用领域中，很少能直接用分析方法求得系统变量之间函数关系，一般都是利用测得的一些分散的数据节点，运用各种拟合方法来生成一条连续的曲线。例如，我们经常会碰到形如y = f (x)的函数。从原则上说，该函数在某个[a,b]区间上是存在的，但通常只能获取它在[a,b]上一系列离散节点的值，这些值构成了观测数据，如下表所示。函数在其他x点上的取值是未知的，这时只能用一个经验函数y = g(x)对真实函数y = f (x)作近似。 根据实验数据描述对象的不同，常用来确定经验函数y=g(x)的方法有两种：插值和拟合。 如果测量值是准确的，没有误差，一般用插值；如果测量值与真实值有误差，一般用曲线拟合。 在MATLAB 中，无论是插值还是拟合，都有相应的函数来处理。 （一）多项式拟合 1、概念 在拟合方法中，人们设法找出某条光滑曲线，它最佳地拟合已知数据，但对经过的已知数据节点个数不作要求。当最佳拟合被解释为在数据节点上的最小误差平方和，且所用的曲线限定为多项式时，这种拟合方法相当简捷，称为多项式拟合(也称曲线拟合)。 2、多项式拟合函数polyfit 多项式的拟合的命令格式为 p=polyfit(x,y,n) n表示多项式的最高阶数，x，y为将要拟合的数据，它是用数组的方式输入。输出参数p为拟合多项式的系数。 多项式在x处的值y可用以下命令计算： y=polyval(p,x) t=1:16; y=[3.90 6.50 8.00 8.50 9.28 9.50... 9.70 9.86 10.00 10.20 10.32... 10.52 10.50 10.55 10.58 10.60]; p=polyfit(t,y,3) x=0:0.1:20; f=polyval(p,x); plot(t,y,r*,x,f) t=1:16; y=[3.90 6.50 8.00 8.50 9.28 9.50... 9.70 9.86 10.00 10.20 10.32... 10.52 10.50 10.55 10.58 10.60]; p=polyfit(t,y,3); x=0:0.1:20; f=polyval(p,x); plot(t,y,r*,x,f) title(三次拟合); p1=polyfit(t,y,5); f1=polyval(p1,x); figure plot(t,y, r*, x,f1) title(五次拟合); （二）非线性最小二乘拟合 MATLAB提供了两个求解最小二乘非线性数据拟合问题的命令lsqcurvefit和lsqnonlin。两者都要事先定义M - 函数文件fun.m，在其中定义函数f(x)，但两者定义f(x)的方式是不同的。 3.求下面非线性最小二乘问题（初始解向量为x0=[0.3,0.4]）。 二、插值 设a=x0x1... xn=b，已知有n +1对节点( xi, yi ) ，i=0,1,...,n，其中xi互不相同，这些节点(xi ,yi )，i=0,1,...,n可以看成是由某个函数y=f(x)产生的。f的解析表达式既可能是复杂的，也可能不存在封闭形式，甚至可能是未知的。那么对于x≠xi，如何确定对应的yi值呢？ 当利用插值技术来解决时，需构造一个相对简单的函数y=g(x)，使g通过全部的节点，即yi= g(xi)，i=0,1,...,n，用g(x)作为函数f (x)的近似。可以看出，在插值方法中，假设已知数据正确，要求以某种方法描述数据节点之间的关系，从而可以估计别的函数节点的值。即: 插值是指根据给定的有限个样本点，产生另外的估计点以达到数据更为平滑的效果。 例3：假设有一个汽车发动机在转速为 2000r/min 时，温度(单位为℃)与时间(单位为s)的5 个测量值如表3-3 所示。 3、炼钢厂出钢时所用的盛钢水的钢包，在使用过程中由于钢液及炉渣对包衬耐火材料的侵蚀，使其容积不断增大。经过试验，钢包的容积与相应的使用次数的数据如表所示。用3 阶多项式拟合下中数据，并画出拟合曲线及离散点图。 4、有一正弦衰减数据y=sin(x)e-x/10，其中x=0:pi/5:4*pi，用三次样条法进行插值。 6、开普勒第三定律是指T=CR3/2，其中T为一个行星绕太阳公转的周期，R则代表该行星到太阳的距离，C为一常数。试得用下表的数据进行拟合，并验证开普勒定律。 注：下表是太阳系九大行星绕日公转的一些统计资料，其中 ，T为公转周期（单位：天），R为公转过程中距离太阳的距离的平均值（单位：百万公里）。 7、某次实验数据的测量数据如下表所示，试求出其最佳的曲线拟合形式。 2. 并给出图像。 yi=interp1(x，y，xi，method) 插值方法 被插值点 插