数学建模培训之四--拟合与插值专题.pptVIP

2012数学建模集训班 ----拟合与插值专题;在大量的应用领域中，人们经常面临用一个解析函数描述数据(通常是测量值)的任务。对这个问题有两种方法。 一种是插值法，数据假定是正确的，要求以某种方法描述数据点之间所发生的情况。 另一种方法是曲线拟合或回归。人们设法找出某条光滑曲线，它最佳地拟合数据，但不必要经过任何数据点。 ;内容提纲;拟合问题;拟 合 问 题 引 例 1;拟 合 问 题 引 例 2;曲 线 拟 合 问 题 的 提 法;线性最小二乘拟合 f(x)=a1r1(x)+ …+amrm(x)中函数{r1(x), …rm(x)}的选取 ;曲线拟合问题最常用的解法——线性最小二乘法的基本思路;线性最小二乘法的求解：预备知识;线性最小二乘法的求解;用MATLAB解拟合问题;用MATLAB作线性最小二乘拟合;即要求 出二次多项式:;1）输入命令： x=0:0.1:1; y=[-0.447,1.978,3.28,6.16,7.08,7.34,7.66,9.56,9.48,9.30,11.2]; R=[(x.^2), x, ones(11,1)]； A=R\y;;1. lsqcurvefit 已知数据点：xdata=（xdata1，xdata2，…，xdatan） ydata=（ydata1，ydata2，…，ydatan）;输入格式: (1) x = lsqcurvefit (‘fun’,x0,xdata,ydata); (2) x =lsqcurvefit (‘fun’,x0,xdata,ydata,lb, ub); (3) x =lsqcurvefit (‘fun’,x0,xdata,ydata, lb, ub, options); (4) [x, resnorm] = lsqcurvefit (‘fun’,x0,xdata,ydata,…); (5) [x, resnorm, residual] = lsqcurvefit (‘fun’,x0,xdata,ydata,…); ; lsqnonlin用以求含参量x（向量）的向量值函数 f(x)=(f1(x),f2(x),…,fn(x))T 中的参量x，使得 最小。 其中 fi（x）=f（x，xdatai，ydatai） =F(x,xdatai)-ydatai;输入格式： 1） x=lsqnonlin（‘fun’，x0）； 2） x= lsqnonlin （‘fun’，x0，lb，ub）； 3） x= lsqnonlin （‘fun’，x0， ，lb，ub，options）； 4） [x， resnorm]= lsqnonlin （‘fun’，x0，…）； 5） [x， resnorm ， residual]= lsqnonlin （‘fun’，x0，…）；;;MATLAB(fzxec1);3）运算结果： f =0.0043 0.0051 0.0056 0.0059 0.0061 0.0062 0.0062 0.0063 0.0063 0.0063 x =0.0063 -0.0034 0.2542;MATLAB(fzxec2);3）运算结果为 f =1.0e-003 *（0.2322 -0.1243 -0.2495 -0.2413 -0.1668 -0.0724 0.0241 0.1159 0.2030 0.2792） x =0.0063 -0.0034 0.2542;说明：拟合与统计???归;;例题的求解：;4、预测及作图： [YY,delta]=nlpredci(volum,x,beta,r ,J)； plot(x,y,k+,x,YY,r);插值问题;拟合与插值的关系;最临近插值、线性插值、样条插值与曲线拟合结果：;拉格朗日插值;返回;一维插值的定义; 构造一个(相对简单的)函数; 称为拉格朗日插值基函数。;拉格朗日(Lagrange)插值; 拉格朗日多项式插值的 这种振荡现象叫 Runge现象;分段线性插值;To MATLAB xch11，xch12，xch13，xch14;比分段线性插值更光滑。;g(x)为被插值函数。;例;用MATLAB作插值计算; 例：在1-12的11小时内，每隔1小时测量一次温度，测得的温度依次为：5，8，9，15，25，2