插值与拟合给药方案估计水塔的水流量课件.ppt

在实验方面,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)采集血药,测得血药浓度c(ug/ml)如下表: 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 要设计给药方案,必须知道给药后血药浓度随时间变化的规律。从实验和理论两方面着手： 给药方案 1. 在快速静脉注射的给药方式下，研究血药浓度 （单位体积血液中的药物含量）的变化规律。 t c2 c c1 0 ? 问题 分析 理论：用一室模型研究血药浓度变化规律 实验：对血药浓度数据作拟合，符合负指数变化规律 2. 给定药物的最小有效浓度和最大治疗浓度，设计给药方案：每次注射剂量多大；间隔时间多长。 3. 血液容积 v, t=0时注射剂量 d, 血药浓度即为 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 用线性最小二乘拟合c(t) MATLAB(lihe1) 计算结果： 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： 用非线性最小二乘拟合c(t) 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 375 mg， 其余每次注射 225 mg， 注射的间隔时间为 4 小时。 用非线性最小二乘拟合c(t)-用lsqcurvefit(lsqnonlin) 2、主程序lihe2.m如下 clear tdata=[0.25 0.5 1 1.5 2 3 4 6 8]; cdata=[19.21 18.15 15.36 14.10 12.89 9.32 7.45 5.24 3.01]; x0=[10,0.5]; x=lsqcurvefit(curvefun3,x0,tdata,cdata); f=curvefun3(x,tdata) x MATLAB(lihe2) 1、用M-文件curvefun3.m定义函数 function f=curvefun3(x,tdata) d=300 f=(x(1)\d)*exp(-x(2)*tdata) % x(1)=v; x(2)=k MATLAB(FZXEC3) 拟合与插值的比较 问题：给定一批离散的数据点，需确定满足特定要求的曲线或曲面, 从而获取整体的规律。即通过窥几斑来达到知全豹。 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； 从几何意义上看，拟合是给定了空间中的一些点，找到一个已知形式的连续曲面来最大限度地逼近这些点；而插值是找到一个(或几个分片光滑的)连续曲面来穿过这些点。 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。 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) 最临近插值、线性插值、样条插值与曲线拟合结果： 　　美国某州的各公用水管理机构要求各社区提供各个时刻的用水率以及每天所用的总用水量．但许多社区并没有测量流入或流出当地水塔的水量的设备，他们只能代之以每小时测量水塔中的水位．更为重要的是，无论什么时候，只要水塔中的水位下降到某一最低水位L时，水泵就启动向水塔重新充水直到某一最高水位Ｈ，但也无法得到水泵的供水量的测量数据．因此，在水泵正在工作时，人们不容易建立水塔中水位与水泵工作时的用水量之间的关系．水泵每天向水塔充水一次或两次，每次大约二小时．试估计在任何时候，甚至包