数据插值与曲线拟合..ppt

大多数数学建模问题都是从实际工程或生活中提炼;1 引例;例1：对于下面给定的4组数据，求在x=175处 y 的值。 ;插值函数的一个近似，从而通过插值函数来计算被;例2：观测物体的直线运动，得以下数据，求物体;2 数据插值的基本原理;稍加整理，即得 ;当 n=2 时为抛物插值。 ;也称为Lagrange 抛物插值函数。;说明：;例 将 [0,?/2] n 等分，用 g(x) = cos(x)产生 n+1个节点，作Pn(x)（取 n =1,2) ，计算cos(?/6) 。;下面来求解引例1(课堂练习)。;用二次拉格朗日插值：;答案是：对于某些函数，适当地提高插值多项式的 ;从图中可看出，图形显示出振荡现象，在5和-5附近;这说明，在大范围内使用高次插值，逼近效果往往;实际数学建模中，在光滑性要求不高的条件下， ;光滑性的阶次越高，则越光滑。 ;3 三次样条插值;定义： ;简单地说，已经知道函数 ;由于 ;;现要求 4n 个待定系数，但只有(n+1)+ 3(n-1)=4n-2;4 用MATLAB软件求解插值问题;nearest——最邻近点插值。 ;下面用该函数来求解下列插值问题。;运行结果为cy =10.4762。 ;例：在1-12的11小时内，每隔1小时测量一次温度，测得的温度依次为：5，8，9，15，25，29，31，30，22，25，27，24。试估计每隔1/10小时的温度值。;?;程序：lch(lagr1);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。 ;拟合与插值的区别;根据曲线拟合问题的定义，其关键在于准则的选取， ;准则2： ;线性最小二乘法的基本思路;线性最小二乘法的求解;选定一组函数 ;常用的曲线有直线、多项式、双曲线和指数曲线等。 ;线性最小二乘拟合 f(x)=a1r1(x)+ …+amrm(x)中函数{r1(x), …rm(x)}的选取方法 ;6 用MATLAB软件求解拟合问题;例2：观测物体的直线运动，得以下数据，求物体;下面显示的是物体运动的时间与位移散点图：;不难看出图形近似为一条直线，因此猜测用一次多;可以看出拟合效果并不理想。 ;根据物理学中物体运动的方程，我们用二次曲线来;;可见曲线拟合本身就是一个猜测的过程，通常是不;7 建模案例;土豆： N P K;生菜： N P K;模型假设：;2、土壤本身已含有一定数量的氮、磷、钾等肥料， ;符号说明： ;问题分析：;2、数据分析;从散点图可以发现，氮肥施加量与农作物的产量大致;;这是一个可分离变量的微分方程，积分得;模型建立：;磷肥对生菜的效应方程为： ;模型求解：;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。;练习题：