实验二 函数逼近与曲线拟合.docxVIP

实验二 函数逼近与曲线拟合 计算方法实验报告 实验二 班级 硕1309 姓名 杨婷婷 学号 131411068 函数逼近与曲线拟合 实验二 函数逼近与曲线拟合 一、问题的提出 从随机的数据中找出其规律性，给出其近似表达式的问题，在生产实践和科学实验中大量存在，通过利用数据的最小二乘法求得拟合曲线。 在某冶炼过程中，根据统计数据的含碳量和时间的关系，试求含碳量y与时间t的拟合曲线。 0 5 10 15 20 25 30 35 40 45 50 55 t(分) Y（10-4） 0 1.27 2.16 2.86 3.44 3.87 4.15 4.37 4.51 4.58 4.02 4.64 二、实验要求 1、用最小二乘法进行曲线拟合； 2、近似解析表达式为??t??a1t?a2t2?a3t3； 3、打印出拟合函数??t?，并打印出?tj与ytj的误差，j=1,2，???，12； 4、另外选取一个解析表达式，尝试拟合效果的比较； 5、绘制出曲线拟合图。 ????三、实验目的与意义 1、掌握曲线拟合的最小二乘法； 2、最小二乘法亦可解超定线代数方程组； 3、探索拟合函数的选择与拟合精度间的关系。 四、结构程序设计 x=0:5:55; y=[0,1.27,2.16,2.86,3.44,3.87,4.15,4.37,4.51,4.58,4.02,4.64]; plot(x,y,x,y,o) p3=polyfit(x,y,4); vpa(poly2sym(p3),10) ans = -6 4 3 0.0604487179487187 + 0.602564102564116 10 x - 0.0000319178969178983 x 2 - 0.00293227466977462 x + 0.238069314944314 x=0:5:55; y=[0,1.27,2.16,2.86,3.44,3.87,4.15,4.37,4.51,4.58,4.02,4.64]; a=lsqcurvefit(c8f3,[1;2;2;3],x,y); a Local minimum possible. lsqcurvefit stopped because the size of the current step is less than the default value of the step size tolerance. ans = 0.2657 -0.0053 0.0000 3.0000 a=lsqcurvefit(c8f3,[1;2;3],x,y); a Local minimum found. Optimization completed because the size of the gradient is less than the default value of the function tolerance. ans = 0.2657 -0.0053 0.0000 五、结果讨论与分析 观察由编写MATLAB程序做出的拟合曲线与逼近函数的图形，可以很清楚地看到近似函数曲线与已知点的相对位置。不像插值法做出的曲线，通过逼近与拟合得到的函数图形没有穿过每一个点，只是在结点间穿梭。但是，这样做出来的曲线从整体看来相较与插值法得到的要更近似。 在用线性最小二乘法作曲线拟合时，采用哪种拟合曲线很是关键。但在作曲线拟合时发现，直接采用例如指数函数、对数函数、幂函数等稍微复杂的函数，计算量会大大增加。通过线性变换化成线性函数后再作拟合，这样得到的近似函数误差会更小。 在实际的生活的运用中，数据通常都不是线性的而是杂乱无章的。如果用线性曲线来描述，会失去很多有价值的信息。改用曲线拟合与函数逼近，能更好地应用于研究实际问题 感谢您的阅读，祝您生活愉快。