matlab的提供了两个求非线性最小二乘拟合的函数lsqcurvefit.pptVIP

3.血液容积v, t=0注射剂量d, 血药浓度立即为d/v. 2.药物排除速率与血药浓度成正比，比例系数 k(0) 模型假设 1. 机体看作一个房室，室内血药浓度均匀——一室模型 模型建立 在此，d=300mg，t及c（t）在某些点处的值见前表，需经拟合求出参数k、v d=300; t=[0.25 0.5 1 1.5 2 3 4 6 8]; c=[19.21 18.15 15.36 14.10 12.89 9.32 7.45 5.24 3.01]; y=log(c); a=polyfit(t,y,1) k=-a(1) v=d/exp(a(2)) 程序： 用线性最小二乘拟合c(t) MATLAB(lihe1) 计算结果： 给药方案 设计 c c2 c1 0 ? t 设每次注射剂量D, 间隔时间? 血药浓度c(t) 应c1? c(t) ? c2 初次剂量D0 应加大 给药方案记为： 2. 1. 计算结果： 给药方案： c1=10,c2=25 k=0.2347 v=15.02 故可制定给药方案： 即: 首次注射375mg， 其余每次注射225mg， 注射的间隔时间为4小时。 数学建模与数学实验 后勤工程学院数学教研室 第14讲 拟合 实验目的 实验内容 2.掌握用数学软件求解拟合问题。 1.直观了解拟合基本内容。 1.拟合问题引例及基本理论。 4.实验作业。 2.用数学软件求解拟合问题。 3.应用实例 2.拟合的基本原理 1. 拟合问题引例 一、拟 合 拟 合 问 题 引 例 1 温度t(0C) 20.5 32.7 51.0 73.0 95.7 电阻R(?) 765 826 873 942 1032 已知热敏电阻数据： 求600C时的电阻R。 设 R=at+b a,b为待定系数 拟 合 问 题 引 例 2 t (h) 0.25 0.5 1 1.5 2 3 4 6 8 c (?g/ml) 19.21 18.15 15.36 14.10 12.89 9.32 7.45 5.24 3.01 已知一室模型a静脉注射下的血药浓度数据(t=0注射300mg) 求血药浓度随时间的变化规律c(t). 作半对数坐标系(semilogy)下的图形 MATLAB(aa1) 曲线拟合问题的提法 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=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。 + + + + + + + + + x y y=f(x) (xi,yi) ?i ?i 为点（xi,yi) 与曲线 y=f(x) 的距离 函数插值与曲线拟合都是要根据一组数据构造一个函数作为近似，由于近似的要求不同，二者的数学方法上是完全不同的。 实例：下面数据是某次实验所得，希望得到X和 f之间的关系？ MATLAB(cn) 问题：给定一批数据点，需确定满足特定要求的曲线或曲面 解决方案： 若不要求曲线（面）通过所有数据点，而是要求它反映对象整体的变化趋势，这就是数据拟合，又称曲线拟合或曲面拟合。 若要求所求曲线（面）通过所给所有数据点，就是插值问题； 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： 曲线拟合问题最常用的解法——线性最小二乘法的基本思路 第一步:先选定一组函数 r1(x), r2(x), …rm(x), mn, 令 f(x)=a1r1(x)+a2r2(x)+ …+amrm(x) （1） 其中 a1,a2, …am 为待定系数。 第二步: 确定a1,a2, …am 的准则（最小二乘准则）： 使n个点（xi,yi) 与曲线 y=f(x) 的距离?i 的平方和最小 。 记 问题归结为，求 a1,a2, …am 使 J(a1,a2, …am) 最小。 线性最小二乘法的求解：预备知识 超定方程组：方程个数大于未知量个数的方程组 即 Ra=y 其中 超定方程一般是不存在解的矛盾方程组。 如果有向量a使得 达到最小， 则称a为上述超定方程的最小二乘解。 定理：