人口预测与数据曲线拟合课件.pptVIP

人口预测与数据曲线拟合;实验13 人口预测与数据拟合;据人口统计年鉴，知我国从1949年至1994年人口数据资料如下： (人口数单位为：百万);如何确定a,b?;1 曲线拟合问题的提法: ;从几何上讲，并不要求曲线严格通过已知点，但要求曲线在各数据点和已知数据点之间的总体误差最小，通常称为数据拟合。;数据插值;２. 用什么样的曲线拟合已知数据?;例如;３ 拟合函数组中系数的确定;4 用matlab软件进行数据拟合;例;也可以用inline命令定义函数; a = polyfit(xdata,ydata,n) 其中n表示多项式的最高阶数 xdata，ydata 为要拟合的数据，它是用向量的方式输入。 输出参数a为拟合多项式 y = anxn + … + a1x + a0的系数a = [an, …, a1, a0]。 多项式在x处的值y可用下面程序计算。 y = polyval (a, x) 由于高次多项式曲线变化不稳定，所以多项式次数的选取不 宜过高。;例如;;二、人口预测线性模型; 英国统计学家Malthus于1798年提出了一种关于生物种群繁殖的指数增长模型：假设种群数量的增长率与该时刻种群的个体数量成正比。;1. 由前100年的数据求出美国的人口增长Malthus模型。;解：;% This program is to predict the number of population % format long t1=[1790;1800;1810;1820;1830;1840;1850;1860;1870;1880]; t2=[1890;1900;1910;1920;1930;1940;1950;1960;1970;1980]; x1=[3.9;5.3;7.2;9.6;12.9;17.1;23.2;31.4;38.6;50.2]; x2=[62.9;76.0;92.0;106.5;123.2;131.7;150.7;179.3;204.0;226.5]; lnx1=log(x1); lnx2=log(x2);;a12=sum(t1);a11=10;a21=a12;a22=sum(t1.^2); d1=sum(lnx1);d2=sum(lnx1.*t1);A=[a11,a12;a21,a22];D=[d1;d2];ab=inv(A)*D;disp(‘a=’);disp(ab(1));disp(‘b=’);disp(ab(2));for i=1:10 xx1(i)=exp(ab(1)+ab(2)*t1(i));endfor i=1:10 xx2(i)=exp(ab(1)+ab(2)*t2(i));endplot(t1,x1,‘r*--’, t2,x2,‘r*--’, t1,xx1,‘b+-’,t2,xx2,‘b+-’，linewidth,3,markersize,10);;a= -49.79535457790735 b=0.02859807120038;四、人口预测的Logistic模型;假设;a =1.0e+006 * -0.00000000000014 0.00000000107892 -0.00000304878595 0.00381927346813 -1.79012132225427 红色的是原始数据曲线 蓝色的是4次多项式拟合曲线;例2: 海底光缆线长度预测模型;;解： 用12次多项式函数拟合光缆走势的曲线图如下;% prog45.m This program is to fit the data by polynomial % format long t=linspace(0,20,21); x=linspace(0,20,100); P=[9.01,8.96,7.96,7.97,8.02,9.05,10.13,11.18,12.26,13.28,13.32,12.61,11.29,10.22,9.15,7.90,7.95,8.86,9.81,10.80,10.93]; [a,s]=polyfit(t,P,12); yy=polyval(a,x); disp(yy=);disp(yy); plot(x,yy,r*--,t,P,b+-); L=0; for i=2:100 L=L+sqrt((x(i)-x(i-1))^2+(yy(i)-yy(i-1))^2); end disp(The length of the label is L=);disp(L);;上机任务;THANK YOUR ATTENDING