第六章-MATLAB解曲线拟合问题.docVIP

第六章 MATLAB解曲线拟合问题 黑龙江八一农垦大学 数学建模选修课 4 - 1 - 第六章 MATLAB解曲线拟合问题 曲线拟合就是计算出两组数据之间的一种函数关系，由此可描绘其变化曲线及估计非采集数据对应的变量信息。 曲线拟合有多种方式，下面是一元函数采用最小二乘法对给定数据进行多项式曲线拟合，最后给出拟合的多项式系数。 §1 线性拟合 一、数学模型 y=Xβ+ε β是p′1的参数向量；ε是服从标准正态分布的随机干扰的n′1的向量；y为n′1的向量；X为n′p矩阵。 二、求解线性拟合函数regress 调用格式：b=regress(y,X) [b,bint,r,rint,stats]= regress(y,X) [b,bint,r,rint,stats]= regress(y,X,alpha) 说明：b=regress(y,X)返回X处y的最小二乘拟合值。bint返回β的95%的置信区间。r中为形状残差，rint中返回每一个残差的95%置信区间。Stats向量包含R2统计量、回归的F值和p值。 三、举例 例1：设y的值为给定的x的线性函数加服从标准正态分布的随机干扰值得到。即y=10x+ε ；求线性拟合方程系数。 程序： 编写M文件mainG.m如下： x=[ones(10,1) (1:10) ] %ones(m,n)产生一个m行n列的元素全为1的矩阵 %（1：10）产生一个10行1列的元素值从1~10的矩阵 % [A B] 将矩阵A和B拼接成新矩阵或者写成[A；B] y=x*[10;1]+normrnd(0,0.1,10,1) % R = normrnd(MU,SIGMA,m,n) 依据参数MU、SIGMA生成一个随机数，m和n是R的行数和列数. [b,bint]=regress(y,x,0.05) 结果： x = 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 1 10 y = 10.9567 11.8334 13.0125 14.0288 14.8854 16.1191 17.1189 17.9962 19.0327 20.0175 b = 9.9213 1.0143 bint = 9.7889 10.0537 0.9930 1.0357 即回归方程为：y=9.9213+1.0143x §2 多项式曲线拟合 二、求解多项式曲线拟合函数ployfit 调用格式： p=polyfit(x,y,n) [p,s]= polyfit(x,y,n) 说明：x,y为数据点，n为多项式阶数，p为幂次从高到低的多项式系数向量。矩阵s用于生成预测值的误差估计。(见下一函数polyval) 三、举例 例2：由离散数据拟合出多项式。 x 0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1 y .3 .5 1 1.4 1.6 1.9 .6 .4 .8 1.5 2 程序： x=0:.1:1; y=[.3 .5 1 1.4 1.6 1.9 .6 .4 .8 1.5 2]； n=3; p=polyfit(x,y,n) xi=linspace(0,1,100); z=polyval(p,xi); %多项式求值 plot(x,y,o,xi,z,k:,x,y,b) legend(原始数据,3阶曲线) 结果：p = 16.7832 -25.7459 10.9802 -0.0035 多项式为：16.7832x3-25.7459x2+10.9802x-0.0035 曲线拟合图形： 例3：x=1:20,y=x+3*sin(x) 程序： x=1:20; y=x+3*sin(x); p=polyfit(x,y,6) xi=1inspace(1,20,100); z=poyval(p,xi); %多项式求值函数 plot(x,y,