数模培训数据拟合方法.pptVIP

3. 导函数拟合法 前面得到的微分方程为： 令 上式变为： 这可以看作 随CB的变化规律 (j=1, 2,...,N) 若知道一组数据 则可用最小二乘拟合的方法来求出函数 中的未知参数K和h。 即为求参数K, a使下列误差函数达到最小： 该问题等价于用函 数 f(K,a,CB)=K(0.01a-0.02CB)来拟合数据 (j=1, 2,...,N) 用MATLAB软件进行计算. ％求数据点 (j=1, 2,...,N) tdata = linspace(100,1000,10); cdata = 1e-05.*[454 499 535 565 590... 　　　　610 626 639 650 659]; [d,ifail]=e01bef(tdata,cdata); [cj,dcj]=e01bgf(tdata,cdata,d,tdata); 1）编写函数M-文件 baomof.m function f=baomof(x,cdata) f=x(1)*(0.01*x(2)-0.02*cdata) 其中 x(1) = K; x(2) =h 2) 编写命令M文件(baomo21.m) 3) 输出结果: x = 0.1009 0.014 即 k = 0.1009, h = 0.014 ％作函数拟合 x0=[0.2,0.1]; x=lsqcurvefit (baomof,x0,cdata,dcj) 4.　线性化迭代法 前面带初始条件的一阶线性微分方程的解为 其中： 如果得到了参数K的一个较好的近似值K*，则将CB(t)关于K在K*处展开，略去??K的二次及以上的项得CB(t)的一个近似式 通过极小化 确定a, b, d, 再由?K=d/0.02b得到K*的修正值?K。K*?K*- ?K, 得到K的一个新的近似值，用同样的方法再求新的修正值?K。这个过程可以不断重复，直到修正值足够小为止。 1）当K的初值取为k=0.3时，出现奇异情况，迭代不收敛； 2）当K的初值取为k=0.2时，经四次迭代，已经收敛到一个很好的解。迭代结果如下表。 五、结果及误差分析 几种方法得出的结果及相应的误差总结于下表，误差为计算数据与实验数据之差的平方和。 注：导函数拟合法得出的参数值精度有限，线性化迭代法要求参数的初值比较接近精确值。因此可将导函数拟合法和线性化迭代法结合起来使用，把前者得到的参数K的值作为迭代法中K的初值，这样可使迭代法收敛或收敛更快。 3）取K的初值为k=0.1009,只一次迭代就得到2）中的最后结果。 函数拟合法的拟合效果 求解参数辨识模型的方法： 函数拟合； 非线性规划； 导函数拟合； 线性化迭代； 其它方法 。 布置“函数拟合”实验 目的 1. 掌握用MATLAB计算函数拟合的方法 内容 2. 用函数拟合方法解决实际问题。 ? 给药方案 一种新药用于临床之前，必须设计给药方案。在快速静脉注射下，所谓给药方案是指，每次注射计量多大，间隔时间多长。 药物进入肌体后随血液输送到全身，在这过程中不断被吸收、分解、代谢，最终排出体外。药物向体外排出的速率与血药浓度成正比。单位体积血液中的药物含量，称血药浓度。临床上，每种药物有一个最小有效浓度c1和最大治疗浓度c2。设计给药方案时，要使血药浓度保持在c1——c2之间，设本题研究的药物的c1=10(?g/ml), c2=25 (?g/ml), 对某人用快速静脉注射方式一次注入该药物300mg后，在一定时刻t（小时）采集血样，测得血药浓度c (?g/ml), 如下页表。试设计该药的给药方案。 实验报告要求 1. 目的。 2. 内容。 3 . 模型；算法；计算结果；结果分析；附程序。 4 . 心得体会和建议。 t 0.25 0.5 1 1.5 2 3 4 6 8 c 19.21 18.15 15.36 14.1 12.89 9.32 7.45 5.24 3.01 一种新药用于临床之前，必须设计给药方案。在快速静脉注射下，所谓给药方案是指，每次注射计量多大，间隔时间多长。 药物进入肌体后随血液输送到全身，在这过程中不断被吸收、分解、代谢，最终排出体外。药物向体外排出的速率与血药浓度成正比。单位体积血液中的药物含量，称血药浓度。临床上，每种药物有一个最小有效浓度c1和最大治疗浓度c2。设计给药方案时，要使血药浓度保持在c1——c2之间，设本题研究的药物的c1=10(?g/ml), c2=25 (?g/ml), 对某人