最小二乘拟合曲线.docVIP

PAGE PAGE 4 课程设计成绩 考勤成绩(20%): 备注 课程设计成绩(80%): 总 评 成 绩: 指导教师签名: 《数值分析》课程设计 学院 (系)： 班 级： 学生姓名： 学号： 学生姓名： 学号： 指导教师： 时间：2012年6月 1．问题描述： 已知一个量依赖于另一个量。现收集有数据如下： x 0.5 1.0 1.5 1.9 2.5 3.0 3.5 4.0 4.5 y 0.9 0.7 1.5 2.0 2.4 3.2 2.0 2.7 3.5 x 5.0 5.5 6.0 6.6 7.0 7.6 8.5 10.0 y 1.0 4.0 3.6 2.7 5.7 4.6 6.0 7.3 求最小二乘多项式拟合曲线，其中分别取，分析用几次多项式拟合效果最好。可否用其它曲线来拟合以上数据？效果如何？ 知识回顾 数据拟合的具体作法是：对给定数据??(i=0,1,…，m)，在取定的函数类中,求,使误差(i=0,1,…,m)的平方和最小，即 ????= 从几何意义上讲，就是寻求与给定点?(i=0,1,…,m)的距离平方和为最小的曲线（图6-1）。函数称为拟合 函数或最小二乘解，求拟合函数的方法称为曲线拟合的最小二乘法。 多项式拟合 多项式拟合的一般方法可归纳为以下几步： ?(1) 由已知数据画出函数粗略的图形——散点图，确定拟合多项式的次数n； (2) 列表计算和； (3) 写出正规方程组，求出； (4) 写出拟合多项式。 在实际应用中，或；当时所得的拟合多项式就是拉格朗日或牛顿插值多项式。  三、程序代码及结果图示。 disp(请以向量的形式输入x,y.) x=input(x=); y=input(y=); nx = length(x); ny = length(y); n = length(x); if nx == ny x1 = x(1); xn = x(n); % n个数据可以拟合(n-1)阶多项式,高阶多项式多次求导,数值特性变差 % (1)计算多项式的各项系数和拟合值 m=input( 输入多项式拟合的阶数 m = ); [p,S]=polyfit(x,y,m); disp 输出多项式的各项系数 fprintf (1, a = %3.16f \n,p) disp 输出多项式的有关信息 S disp (S) [yh,delta]=polyconf(p,x,S); disp 观测数据 拟合数据 disp x y yh for i = 1 : n xy = [x(i) y(i) yh(i)]; disp (xy) end % (2)绘制观测数据离散点图和多项式曲线 plot(x,y,r.) title(\bf 实验数据离散点图 / 多项式曲线 \it y = a0+a1x+a2x^2+a3x^3+...) grid hold on; xi=[x1:0.1:xn]; yi=polyval(p,xi); plot(xi,yi,k-) % (3)拟合效果和精度检验 Q=sum((y-yh).^2); SGM = sqrt(Q / (n - 2)); RR = sum((yh-mean(y)).^2)/sum((y-mean(y)).^2); fprintf (1, 剩余平方和 Q = %3.6f \n,Q) fprintf (\n) fprintf (1, 标准误差 Sigma = %3.6f \n,SGM) fprintf (\n) disp(请输入你所需要拟合的数据点，若没有请按回车键结束程序.) fprintf (\n) x0=input( 输入插值点 x0 = ); y0=polyval(p,x0); fprintf (1, 输出插值点拟合函数值 y0 = %3.4f \n,y0) else disp(输入的数据有误，请重新运行程序并输入正确的数据。) clear End 四．计算结果分析与检验： 分析： 经过简单的画图观察可以得知，不可能是一次拟合（直线），二次拟合（抛物线形），三次拟合，所以从四次拟合开始。 输入多项式拟合的阶数 m = 4 输出多项式的各项系数 a = -0.0048979756165916 a = 0.112902755