第七讲非线性拟合演示文稿.pptVIP

第七讲非线性拟合演示文稿 当前第1页\共有15页\编于星期三\8点 （优选）第七讲非线性拟合 当前第2页\共有15页\编于星期三\8点 说明：求出已知数据(X,Y)的n阶拟合多项式f(x)按降幂排列的系数p，X必须是单调的. 例1.对以下数据作出散点图，然后用多项式拟合：(0.5,1.75),(1,2.75),(1.5,3.81),(2,4.8),(2.5,7),(3,8.6) 解：x = [0.5,1.0,1.5,2.0,2.5,3.0]; y = [1.75,2.45,3.81,4.80,7.00,8.60]; plot(x,y) 发现：这些点大致地位于某条直线附近，故可考虑线性拟合： p=polyfit(x,y,1) ans: p =2.7937 -0.1540 即拟合函数为： (图6.1) 当前第3页\共有15页\编于星期三\8点 上述函数的拟合效果如何？我们可以通过计算误差平方和的大小进行考察（两种方法）： (1)sum((2.7937*x-0.154-y).^2)=0.9136 如果用二次函数进行拟合，则有： p=polyfit(x,y,2) p = 0.5614 0.8287 1.1560 即拟合函数为： 此时误差平方和为： sum((polyval(p,x)-y).^2) =0.1781 根据误差平方和最小原则：二次函数优于线性函数 (2)sum((polyval(p,x)-y).^2) )=0.9136 是否有误差等于零的多项式？有，那就是该数据点的插值多项式（五次多项式） 当前第4页\共有15页\编于星期三\8点 通常，给出两点的坐标，我们可以得到一条直线；若给出三点的坐标，我们可以得到一条抛物线；…，给出n个点的坐标，我们可以得到一个n-1阶的多项式. 是否多项式的阶数越高越好呢？非也！在解决实际问题时，只要达到所需的精度，应尽量选择简单的函数. p = -1.6000 13.7400 -44.0733 65.6650 -42.6317 11.3500 此时多项式在x处的函数值为： polyval(p,x) ans =1.7500 2.4500 3.8100 4.8000 7.0000 8.6000 例2. 某种合金中的主要成分为A,B两种金属，经过试验发现：这两种金属成分之和x与合金的膨胀系数y有如下关系，建立描述这种关系的数学表达式. 当前第5页\共有15页\编于星期三\8点 x 37 37.5 38 38.5 39 39.5 40 40.5 41 41.5 42 42.5 43 y 3.4 3 3 2.27 2.1 1.83 1.53 1.7 1.8 1.9 2.35 2.54 2.9 解：首先作出散点图: x=37:0.5:43; y=[3.4,3,3,2.27,2.1,1.83,1.53,1.7,1.8,1.9,2.35,2.54,2.9]; plot(x,y,’*’) 发现：有点像抛物线，故选二次函数拟合. p=polyfit(x,y,2) p = 0.1660 -13.3866 271.6231 即为所求拟合曲线 误差平方和：R=sum((polyval(p,x)-y).^2)= 0.2523 (图6.2) 当前第6页\共有15页\编于星期三\8点 设有实验数据 ,寻找函数 使得函数在点 处的函数值与观测数据偏差的平方和达到最小.即求满足如下条件的函数 使得 最小 解决此类问题有以下几个步骤：（1）首先作出散点图，确定函数的类别；（2）根据已知数据确定待定参数的初始值，利用Matlab软件计算最佳参数；（3）根据可决系数，比较拟合效果。 2.非线性拟合 当前第7页\共有15页\编于星期三\8点 其中 R2越趋近于1表明拟合效果越好. 如果是多项式函数，则称为多项式回归，此时的参数即多项式的系数；如果为指数函数、对数函数、幂函数或三角函数等，则称为非线性拟合.下面的图形给出了常见曲线与方程的对应关系： 在Matlab中实现可决系数的命令： R2=1-sum((y-y1).^2)/sum((y-mean(y)).^2) 可决系数的计算公式为 当前第8页\共有15页\编于星期三\8点 幂函数 指数函数 双曲线函数 对数函数 当前第9页\共有15页\编于星期三\8点 指数函数