数学建模课件-拟合与插值.ppt

数学建模教程;在大量的应用领域中，人们经常面临这样的问题：给定一批数据点，需确定满足特定要求的曲线或曲面。对这个问题有两种方法。 一种是插值法，数据假定是正确的，要求以某种方法描述数据点之间所发生的情况。 另一种方法是曲线拟合或回归。人们设法找出某条光滑曲线，它最佳地拟合数据，但不必要经过任何数据点。 ;内容提纲;拟 合 问 题 引 例 1;拟 合 问 题 引 例 2;曲 线 拟 合 问 题 的 提 法;线性最小二乘拟合 f(x)=a1r1(x)+ …+amrm(x)中函数{r1(x), …rm(x)}的选取 ;曲线拟合问题最常用的解法——线性最小二乘法的基本思路;线性最小二乘法的求解：预备知识;线性最小二乘法的求解;用MATLAB解拟合问题;用MATLAB作线性最小二乘拟合;即要求 出二次多项式:;1）输入命令： x=0:0.1:1; y=[-0.447,1.978,3.28,6.16,7.08,7.34,7.66,9.56,9.48,9.30,11.2]; R=[(x.^2)', x', ones(11,1)]； A=R\y';;1. lsqcurvefit 已知数据点：xdata=（xdata1，xdata2，…，xdatan） ydata=（ydata1，ydata2，…，ydatan）;输入格式: (1) x = lsqcurvefit (‘fun’,x0,xdata,ydata); (2) x =lsqcurvefit (‘fun’,x0,xdata,ydata,lb, ub); (3) x =lsqcurvefit (‘fun’,x0,xdata,ydata, lb, ub, options); (4) [x, resnorm] = lsqcurvefit (‘fun’,x0,xdata,ydata,…); (5) [x, resnorm, residual] = lsqcurvefit (‘fun’,x0,xdata,ydata,…); ; lsqnonlin用以求含参量x（向量）的向量值函数 f(x)=(f1(x),f2(x),…,fn(x))T ，使得 最小。 其中 fi（x）=f（x，xdatai，ydatai） =F(x,xdatai)-ydatai;输入格式： 1） x=lsqnonlin（‘fun’，x0）； 2） x= lsqnonlin （‘fun’，x0，lb，ub）； 3） x= lsqnonlin （‘fun’，x0， ，lb，ub，options）； 4） [x， resnorm]= lsqnonlin （‘fun’，x0，…）； 5） [x， resnorm ， residual]= lsqnonlin （‘fun’，x0，…）；;; 1）编写M-文件 curvefun1.m function f=curvefun1(x,tdata) f=x(1)+x(2)*exp(-0.02*x(3)*tdata) %其中 x(1)=a; x(2)=b；x(3)=k;;3）运算结果： f =0.0043 0.0051 0.0056 0.0059 0.0061 0.0062 0.0062 0.0063 0.0063 0.0063 x =0.0063 -0.0034 0.2542;1）编写M-文件 curvefun2.m function f=curvefun2(x) tdata=100:100:1000; cdata=1e-03*[4.54,4.99,5.35,5.65,5.90, 6.10,6.26,6.39,6.50,6.59]; f=x(1)+x(2)*exp(-0.02*x(3)*tdata)- cdata;3）运算结果为 f =1.0e-003 *（0.2322 -0.1243 -0.2495 -0.2413 -0.1668 -0.0724 0.0241 0.1159 0.2030 0.2792） x =0.0063 -0.0034 0.2542;插值问题;拟合与插值的关系;最临近插值、线性插值、样条插值与曲线拟合结果：;拉格朗日插值;返回;一维插值的定义; 构造一个(相对简单的)函数;拉