数学软件与建模4.2一元非线性回归.docxVIP

实验 4.2 一元非线性回归模型 实验目的 熟练掌握参数初始值的数值计算以及非线性拟合的 Matlab 命令，并能根据输出结果计算均 方误差及可决系数，并能据此进行拟合效果分析。 实验内容 解决一元非线性回归模型有以下几个步骤： 1）首先作出散点图，确定函数f ( x) 的类别。 对非线性拟合，下面的图形给出了常见曲线与方程的对应关系： 幂函数： y axb 指数函数： y aebx 双曲线函数： y  x ax b 对数函数： y a b ln x b 指数函数： y ae x 1 S 形曲线： y a be x 具有 S 形曲线的常见方程有： 罗杰斯蒂（ logistic ）模型： y e x 1 龚帕兹（ Gomperty ）模型： y exp( e kx ) 理查德（ Richards）模型： y /[1 exp( x)] 1/ 威布尔 (Weibull) 模型： y exp( t ) 2）①根据已知数据确定待定参数的初始值。②正确输入函数。③利用非线性拟合命令计算最佳参数。 3）根据可决系数，比较拟合效果。 在 Matlab 中进行非线性拟合的命令如下： [b,r,J] = nlinfit(x,y,fun,b0) 其中， x,y 为原始数据， fun 是在 M 文件中定义的函数， b0 是函数中参数的初始值； b 为参数的最优值， r 是各点处的拟合残差， J 为雅克比矩阵的数值 . 注意：在 6.1 版本中输入 x 是列向量， y 是行向量， 而在 7.0 以上版本要求 x, y 要一致 . 【例题 4.2】炼钢厂出钢时所用盛钢水的钢包，由于钢水对耐火材料的侵蚀，容积不断 增大，我们希望找出使用次数与增大容积之间的函数关系 . 实验数据如表 4.2： 表 4.2 钢包使用次数与增大容积 使用次数 2 3 4 5 6 7 8 9 增大容积 6.42 8.2 9.58 9.5 9.7 10 9.93 9.99 使用次数 10 11 12 13 14 15 16 增大容积 10.49 10.59 10.6 10.8 10.6 10.9 10.76 x a(1 becx ) 、 y ax 2 b （1）分别选择函数 y 、 y bx c 、 y ae x 拟合 ax b 钢包容积与使用次数的关系，在同一坐标系内作出函数图形； 2）计算四种拟合曲线的均方差，并以此作为判别标准确定最佳拟合曲线 3）二次多项式拟合的效果如何？分析内在原因 解： x1=[2:16]; y1=[6.42,8.2,9.58,9.5,9.7,10,9.93,9.99,10.49,10.59,10.6,10.8,10.6,10.9,10.76]; b01=[0.1435,0.084]; %初始参数值 fun1=inline(x . /(b(1)+b(2)*x),b,x); [b1,r1,j1]=nlinfit(x1,y1,fun1,b01); y=x1 . /(0.1152+0.0845*x1); subplot(221) plot(x1,y1,*,x1,y,-or); legend(原始数据 ,y=x/(ax+b)) b02=[112,0.4,0.2]; %初始参数值 fun2=inline(b(1)*(1-b(2)*exp(-b(3)*x)),b,x); [b2,r2,j2]=nlinfit(x1,y1,fun2,b02); f=10.5975*(1-0.9287*exp(-0.4531*x1)); subplot(222) plot(x1,y1,*,x1,f,-or); legend(原始数据 ,y=a(1+bexp(cx)) p=polyfit(x1,y1,2); g= -0.0290*x1.^2+0.7408*x1+6.0927; subplot(223) plot(x1,y1,*,x1,g,-or); legend(原始数据 ,二次函数 ) b04=[112,-0.11]; %初始参数值 fun4=inline(b(1)*exp(b(2) . /x),b,x); [b4,r4,j4]=nlinfit(x1,y1,fun4,b04); h=11.6037*exp(-1.0641 . /x1); subplot(224) plot(x1,y1,*,x1,h,-or); legend(原始数据 ,y=aexp(b/x)) 12 12 10 10 8 原始数据 8 原始数据 6 y=x/(ax+b) 6 y=a(1+bexp(cx) 5 10 15 20 5 10 15 20 0 0 12 12 10 10 8 原始数据 8 原始数据 6 二次函数 6 y=aexp(b/x) 5 10 15 20 5 10 1