第3章MTLAB符号计算.ppt

为了实现非线性拟合，首先要定义在线函数 inline 定义的函数：用于曲线拟合、数值计算 步骤：(1) 建立M文件； (2) fun=inline(f(x) , 参变量，x) 例. 建立函数： a,b,c为待定的参数 fun=inline(b(1)*(1-b(2)*exp(-b(3)*x)),b,x); 此处，将b看成参变量，b(1),b(2),b(3)为其分量. 若计算函数在x=0:0.1:1上的函数值，由于此时x为矩阵，只需将函数表达式中的某些量表示成向量有些*改成.*即可. 非线性回归命令 nlinfit[beta, R, J]=nlinfit(X, Y, ’ model’, beta0)X 为n*m矩阵 n行Y为 n维列向量 n行model为自定义函数，即参数的初始值beta0为估计的模型系数beta为回归系数R为残差J为雅克比矩阵的数值 X,Y为原始数据，model是在M文件中定义的函数 在实际问题中，可以猜测曲线类型，然后利用如下命令： [beta,r,J] = nlinfit(x,y,fun,beta0) 例2. 已知如下数据，求拟合曲线 k=[ 0,47,93,140,186,279,372,465,558,651]; y=[18.98,27.35,34.86,38.52,38.44,37.73,38.43,43.87,42.77,46.22]; plot(k,y,*) 根据右图，我们猜测曲线为： 现在利用最小二乘法确定最佳参数：b1,b2,b3 b0=[43,0.6,0.1]; %初始参数值 fun=inline(b(1)*(1-b(2)*exp(-b(3)*k)),b,k); [b,r,j]=nlinfit(k,y,fun,b0); b %最佳参数 R=sum(r.^2) %误差平方和 b = 42.6643，0.5483，0.0099 即拟合曲线为： 拟合结果如右图所示，红色为拟合曲线图形，*为原始散点图. y1=42.6643*(1-0.5483*exp(-0.0099*k)); plot(k,y,*,k,y1,-or) 作图程序为： 练习：炼钢厂出钢时所用盛钢水的钢包，由于钢水对耐火材料的侵蚀，容积不断增大，我们希望找出使用次数与增大容积之间的函数关系.实验数据如下： 表 钢包使用次数与增大容积 使用 次数 2 3 4 5 6 7 8 9 增大 容积 6.42 8.2 9.58 9.5 9.7 10 9.93 9.99 使用 次数 10 11 12 13 14 15 16 增大 容积 10.49 10.59 10.6 10.8 10.6 10.9 10.76 分别选择函数 拟合钢包容积与使用次数的关系 ,在同一坐标系内作出函数图形. x1=[2:16]; y1=[6.42,8.2,9.58,9.5,9.7,10,9.93,9.99,10.49,10.59,10.6,10.8,10.6,10.9,10.76]; b01=[0.1435,0.084]; %初始参数值 fun1=inline(x./(b(1)+b(2)*x),b,x); % 定义函数 [b1,r1,j1]=nlinfit(x1,y1,fun1,b01); y=x1./(0.1152+0.0845*x1); %根据b1写出具体函数 plot(x1,y1,*,x1,y,-or); 下面给出分式函数拟合程序： 初始参数b0的计算， 由于确定两个参数值，因此我们选择已知数据中的两点（2,6.42）和（16,10.76）代入方程，得到方程组： 可决系数计算： 上述方程组有两种解法：手工，Matlab,下面介绍Matlab 解方程组的方法 [x,y]=solve(6.42*(2*a+b)=2,10.76*(16*a+b)=16) 取点：(2,6.42),(8,9.93),(10,10.49)代入上述方程 [a,b,c]=solve(log(b)+c*2=log(6.42/a-1),log(b)+c*10=log(10.49/a-1),log(b)+c*8=log(9.93/a-1)) 注意：如果出现复数解，则只取实部 泰勒级数展开taylor Taylor（f，n）将函数f按照泰勒级数展开n项 例：sinx的泰勒级数展开的前6项 syms x taylor(sin(x),6) pretty(ans) 3 5