四参数拟合需求及详细算法.docxVIP

第 1 章 概述 本文档之目的是利用已知的几组数据通过现有数学模型，求出数学模型中的四个参数， 并确保拟合后的数学模型中自变量和因变量的相关度≥0.997. 第二章 设计需求及详细算法 设计需求 通过已知的吸光度值x 和浓度值y，进行四参数对数拟合，求出四参数模型中的对应参数 a,b,c,d。 四参数数学模型如下所示： a ? d y ? ? d ? ?1 ? ? x ? ? ? ? c ? 需求 1：通过已知数据（x,y）数组拟合后，求出数学模型中的a,b,c,d； 需求 2：要求所计算出的四个参数，能够保证x,y 的相关度≥0.997. 需求 3：和软件现有的其他算法如半对数、二参数等算法并行存在于软件中；并在软件后续的数据转换和图像显示中可以调度该功能模块； 四参数拟合算法详解 数学模型： y y ? a ? d b d （1） 1 ? ? ? ? x ? ? c ? 具体算法实现： 整个算法基于高斯牛顿迭代法：其基本思想是使用泰勒级数展开式去近似地代替非线性回归模型，然后通过多次迭代，多次修正回归系数，使回归系数不断逼近非线性回归模型的最佳回归系数，最后使原模型的残差平方和达到最小 整个算法基于高斯牛顿迭代法：其基本思想是使用泰勒级数展开式去近似地代替非线性回归模型，然后通过多次迭代，多次修正回归系数，使回归系数不断逼近非线性回归模型的最佳回归系数，最后使原模型的残差平方和达到最小。（在软件算法的实现上，可以进一步 参照教程《计算方法》） 第一步：求 a, b, c 和 d 的初值。（此时 x 不能为 0 值，若输入的x 有 0 值，则在软件实现过程中设定：x=0.0001） 对上述模型（1）进行数学变换后得到： ln ln ? y ? d ? ? ? y ? a ? ? ? b ln c ? b ln x （2） 在计算的过程中，具体算法进行如下处理： 将 d 的初值设为输入的y 值的最大值加 1，a 的初值设为输入的y 值的最小值减 0.1。通过简单的直线拟合即可求出b 和c 的初值。 第二步：对方程（2）中的四个参数分别求偏微分。得到 y 对给定系数的增量（△a, △ b, △c △d）的泰勒级数展开式。 ?y ? ?a 1 ? ?1? ? x ? ? ? ? c ? ?y ? 1? ?d 1 ? ?1? ? x ? ? ? ? c ? ?y ? b a ? d ? x ?b ? ? ?c c ? ? x ?b ?2 ? c ? ?1? ? ? ? ?? ? c ? ?? ?y ? ?? x ?b ln? x ? a ? d ? ? ? ? ?b ? c ? ? c ? ? ? x ?b ? 2 ?1? ? ? ? ?? y y ? y ? ( ?y ?a ? ?y ?b ? ?y ?c ? ?y ?d ) 0 ?a ?b ?c ?d (3) ? c ? ?? 由此，将曲线回归转化为多元线性回归，通过迭代计算，得到四个参数的变量△a, △ b, △c, △d，逐步修正四参数的值。 每一次迭代可计算出参数变量值，新的参数值为原参数值与变量值的叠加。 （迭代的算法可以参照多元线性回归的计算方法 （迭代的算法可以参照多元线性回归的计算方法） 第三步：相关系数计算方法：为保证迭代收敛，在计算相关系数时，引入一系数m，初值设为 2，将a 与参数的变量矩阵相乘，计算相关系数。m=m/2，循环 10 次，每次m 的值减半。取循环中得到的相关系数最大的变量矩阵[△a, △b, △c, △d]。 （ （采用Gauss 法进行消元。） 第四步：迭代终止条件：默认总的迭代次数为 1000 次，或者当相关系数满足≥0.997 时，则迭代停止。返回得到的四参数值。 四参数模型详细算法 四参数数学模型 a ? d y ? ? d ?? x ?b ? 1 ? ? ? c ? 对该数学模型求对数 ? y ? d ? ? ?ln? y ? a ? ? b ln c ? b ln ? ? ?y ?y ?y ?y 对四参数求偏微分 y ? y ? ( ?a ? ?b ? ?c ? 0 ?a ?b ?c ?d ?d ) 利用多元线性回归进行迭代计算 设计输入输出举例： 如下表所示：x,y 为本算法的设计输入。（x,y 非固定值，在软件设计过程中，需要实现对 x,y 数据的读取，并进行相应处理） 拟合后计 x y. 算所得 y. 残差 1.0000 0.0090 0.9706 0.0294 10.0000 0.6475 10.2690 -0.2690 30.0000 1.2765 29.2227 0.7773 100.0000 2.1520 101.9846 -1.9846 300.0000 2.7380 296.8855 3.11