数据插值与曲线拟合方案.pptVIP

这是一个可分离变量的微分方程，积分得 即 3）博伊德理论： 英国科学家博伊德发现，在某些 情况下，将施肥对象按施肥水平分成几组，则各组 效应曲线就呈直线形式， 若按水平分为两组，可以用 下式表示： 模型建立： 本问题的性质是确定变量间的相关关系， 理论和数据分析的结果，可以初步确定施肥量与产量 结合前述 之间的关系，即拟合曲线的形式。具体地， 氮肥对土豆和生菜的效应方程为： 磷肥对土豆的效应方程为： 磷肥对生菜的效应方程为： 钾肥对土豆的效应方程为： 钾肥对生菜的效应方程为： 模型求解： 上述模型中的拟合曲线既有线性的，又有非线性的， 下面仅对氮肥对土豆的效应方程进行求解。 txn=[0,34,67,101,135,202,259,336,404,471]; tyn=[15.18,21.36,25.72,32.29,34.03,39.45,43.15,43.46,40.83,30.75]; [a,s]=polyfit(txn,tyn,2); 输入命令： 运行结果：a=[-0.0003 0.1971 14.7416] 因此氮肥对土豆的效应的拟合曲线方程是： 散点图与拟合曲线对比图形如下： 上图显示出拟合效果较好。 对于二维插值方法的基本原理与MATLAB求解、 非线性拟合的MATLAB求解，由于时间关系没有讲解 以后有机会再和大家交流。 大家可以有兴趣自己上机求解。 对于其余的几种情况， 练习题： (2) 下面数据是某次实验所得，希望得到 x 和 f 的关系 x 1 2 4 7 9 12 13 15 17 f 1.5 3.9 6.6 11.7 15.6 18.8 19.6 20.6 21.1 (1) 已知下列表值 x 0 1 2 3 y 1 3 9 27 试用线性与二次Lagrange插值多项式分别计算当 x=1.25时y的值。 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * ? ? ? ? ? ? ? ? ? x y 机翼下轮廓线 例 已知飞机下轮廓线上数据如下，求X每改变0.1时的Y值。 程序：lch(lagr1) function y=lagr1(x0,y0,x) n=length(x0); m=length(x); for i=1:m z=x(i); s=0.0; for k=1:n p=1.0; for j=1:n if j~=k p=p*(z-x0(j))/(x0(k)-x0(j)); end end s=p*y0(k)+s; end y(i)=s; end x0=[0 3 5 7 9 11 12 13 14 15 ]; y0=[0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.0 1.6 ]; x=0:0.1:15; y1=lagr1(x0,y0,x); y2=interp1(x0,y0,x); y3=interp1(x0,y0,x,spline); subplot(3,1,1) plot(x0,y0,k+,x,y1,r) grid title(lagrange) subplot(3,1,2) plot(x0,y0,k+,x,y2,r) grid title(piecewise linear) subplot(3,1,3) plot(x0,y0,k+,x,y3,r) grid title(spline) 曲线拟合是指：已知平面上 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 5 曲线拟合的基本原理 拟合与插值的区别 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。 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，这就是曲线数据拟合，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； 根据曲