lecture3.2-例子数据分析与插值函数.pptxVIP

系统的计算机仿真技术 教学内容 第一章 系统仿真技术与应用 第二章 MATLAB语言程序设计基础 第三章 MATLAB在现代科学运算中的应用 第四章 MATLAB在《自动控制》中的应用 第五章 MATLAB的工程系统建模与仿真 第三章 MATLAB在现代科学运算中的应用 3.4 非线性方程组求解 3.5 数据插值与统计分析 3.4 非线性方程组求解 多元方程的求解函数fsolve()，该函数可以直接求解f(x)=0型的非线性代数方程组。 例1： Step1 令 Step2 3.4 非线性方程组求解 多元方程的求解函数fsolve()，该函数可以直接求解f(x)=0型的非线性代数方程组。 MATLAB最优化工具箱中的函数只能解决实数解问题 采用符号运算工具箱解出所有的解 3.5 数据插值与统计分析 3.5.1 数据的简单统计 最大值和最小值 (1) y=max(X)：返回向量X的最大值存入y， 如果X中包含复数元素，则按模取最大值。 (2) [y,I]=max(X)：返回向量X的最大值存入y，最大值的序号存入I，如果X中包含复数元素，则按模取最大值。 (3) max(A)：返回一个行向量，向量的第i个元素是矩阵A的第i列上的最大值。 (4) [Y,U]=max(A)：返回行向量Y和U，Y向量记录A的每列的最大值，U向量记录每列最大值的行号。 (5) sort()：对给定向量的大小进行排序，将矩阵各列的值按从小到大的顺序排列。 3.5 数据插值与统计分析 3.5.2 一维数据的插值拟合 插值：插值就是定义一个在特定点取给定值的函数的过程。 y1=interp1(x,y,x1,method) x，y两个向量分别表示给定样本点的一组自变量和函数值数据； x1为一组新的插值点； y1是在这一组插值点处的插值结果； method 一般可设定为‘linear’、‘cubic’、‘nearest’和‘spine’，一般建议使用spine （2）p=polyfit (x,y,n) x，y两个向量分别表示给定样本点的一组自变量和函数值数据； n为预期的多项式阶次 p为拟合多项式系数 3.5 数据插值与统计分析 3.5.2 一维数据的插值拟合 插值：插值就是定义一个在特定点取给定值的函数的过程。 例2： 3.5 数据插值与统计分析 3.5.2 一维数据的插值拟合 插值：插值就是定义一个在特定点取给定值的函数的过程。 例3： 已知数据点 插值结果对比-example.2 3.5 数据插值与统计分析 3.5.2 一维数据的插值拟合 例4： 某观测站测得某日6:00时至18:00时之间每隔2小时的室内外温度(℃)，用3次样条插值分别求得该日室内外6:30至17:30时之间每隔20分钟各点的近似温度(℃)。 设时间变量h为一行向量，温度变量t为一个两列矩阵，其中第一列存放室内温度，第二列储存室外温度。命令如下： 3.5 数据插值与统计分析 3.5.3 二维数据的插值拟合 z1=interp2(x,y,z,x1,y1,method) x，y，z为已知网格型样本数据点； x1、y1为插值点构成的坐标值； z1是在这一组插值点处的插值结果，维数与x1、y1一致； method 一般可设定为‘linear’、‘cubic’、‘nearest’和‘spine’，一般建议使用spine 3.5 数据插值与统计分析 3.5.3 二维数据的插值拟合 例5：某实验对一根长10米的钢轨进行热源的温度传播测试。用x表示测量点0:2.5:10(米)，用h表示测量时间0:30:60(秒)，用T表示测试所得各点的温度(℃)。 试用线性插值求出在一分钟内每隔20秒、钢轨每隔1米处的温度TI？ 3.5 数据插值与统计分析 3.5.4 最小二乘法的曲线拟合技术 曲线拟合涉及到两个基本问题：什么是最佳拟合？用什么样的曲线进行拟合。可以用许多方法定义最佳拟合，而且存在无穷数目的曲线。 当最佳拟合定义为数据最小误差平方和，所用的曲线限定为多项式时，拟合曲线就相对简单。数学上称为多项式的最小二乘曲线拟合。 在MATLAB中，用polyfit函数来求得最小二乘拟合多项式的系数，再用polyval函数按所得的多项式计算所给出的点上的函数近似值。 [P,S]=polyfit(X,Y,m) 函数根据采样点X和采样点函数值Y，产生一个m次多项式P及其在采样点的误差向量S。其中X,Y是两个等长的向量，P是一个长度为m+1的向量，P的元素为