[数学]第3讲曲线拟合.pptVIP

数值分析 李小林 重庆师范大学数学学院 用插值的方法对一函数进行近似,要求所得到的插值多项式经过已知插值节点;在n比较大的情况下,插值多项式往往是高次多项式,这也就容易出现振荡现象（龙格现象），即虽然在插值节点上没有误差,但在插值节点之外插值误差变得很大,从“整体”上看,插值逼近效果将变得“很差”。 所谓数据拟合是求一个简单的函数,例如是一个低次多项式,不要求通过已知的这些点,而是要求在整体上“尽量好”的逼近原函数。这时,在每个已知点上就会有误差,数据拟合就是从整体上使误差,尽量的小一些。 引入 从而 用函数CB(t)来拟合所给的实验数据，从而估计出其中的参数a,b,K。 若 将其代入上式有： 拟合函数化简： 用MATLAB软件进行计算. 1）编写函数M-文件 nongdu.m function f = nongdu(x,tdata) f = x(1)+x(2)*exp(-0.02*x(3)*tdata); 其中 x(1) = a;x(2) = b;x(3) = k; 2) 编写M文件 (baomo.m) tdata = linspace(100,1000,10); cdata =[4.54 4.99 5.35 5.65 5.90 6.10 ... 6.26 6.39 6.50 6.59]; x0 = [0.2,0.05,0.05]; x = lsqcurvefit(‘nongdu’,x0,tdata,cdata) 编写MATLAB程序: 3) 输出结果: x = 0.007 -0.003 0.1012 即 k =0.1012, a =0.007, b= -0.003, 结果: 进一步求得： 结果及误差分析 几种方法得出的结果及相应的误差总结于下表，误差为计算数据与实验数据之差的平方和。 方法 a b k 误差 E 函数拟合 6.9852 - 2.9941 0.1012 3.5604 e - 007 * 数值分析 第3讲 曲线拟合 * Numerical Analysis 重庆师范大学数学建模培训 第3讲 曲线拟合 §3.1 曲线拟合/*Curve Fitting */的基本原理 已知一组（二维）数据，即平面上 n个点（xi,yi) i=1,…n, 寻求一个函数（曲线）y=p(x), 使 p(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。 + + + + + + + + + x y y=p(x) (xi,yi) ?i ?i 为点（xi,yi) 与曲线 y=p(x) 的距离 问题的数学模型 步骤：1) 选定一类函数 p(x, a1, a 2,…,a m) （1） 其中 a1, a 2, …am 为待定常数。 2) 确定参数a1,a2, …am， 准则(最小二乘准则）：使n个点（xi,yi) 与曲线 y=p(x ，a1，a2， …，am) 的距离 ?i 的平方和最小 。 记 问题归结为: 求 a1,a2, …am 使 I(a1,a2, …am) 最小。这样的拟合称为最小二乘拟合。 问题的数学模型 特别，若选定一组函数 r1(x), r2(x), …rm(x), mn, 令 p(x,a1,a2, …am )=a1r1(x)+a2r2(x)+ …+amrm(x) 其中 a1,a2, …am 为待定系数。 问题的解法——线性最小二乘法 当p具有上述形式，且按最小二乘准则确定待定系数时，称这样的拟合为线性最小二乘拟合，称对应的函数p(x,a1,a2, …am ) 为已知数据点的线性最小二乘拟合函数。 最小二乘拟合函数的选取 + + + + + + + + + + + + + + + p=a1+a2x 将数据 (xi,yi) i=1, …n 作图，通过直观判断确定 p p=a1+a2x+a3x2 p=a1+a2x+a3x2 + + + + + + + + + + + + + + + p=a1+a2/x p=a1exp(a2x) p=a1exp(a2x) 2. 建立数学模型确定 p 引例1：考察某种纤维的强度与其拉伸倍数的关系. 下表是实际测定的24个纤维样品的强度与相应的 拉伸倍数的数据记录: 8.1 10 24 3.5 4.6 12 8.1 9.5 23 4.2 4.5 11 8 9 22 3.5 4 10 8.5 8.9 21 4 4 9 7 8 20 2.7 3.5 8 6.5 8 19 3