数值分析读书报告.docVIP

数 值 分 析 作 业 姓 名： 姜 欣 欣 班 级： Y110402 学 号： 老 师： 杨 明 数值分析之曲线拟合 1. 问题的提出 在化工设计及化工模拟算中，需要大量的物性参数及各种设备参数。这些参数有些可以通过计算得到，但大量的参数还是要通过实验测量得到。实验测得的常常是一组离散数据序列，如果序列，含有不可避免的误差，或者无法同时满足某特定的函数，这时通常通过数据拟合来完成，曲线拟合往往并不需要曲线通过给定的所有数据点（即待定参数的数量比给定的数据点的数量少），而只要求用曲线（函数）近似代替给定的列表函数，时，其误差在某种度量意义下最小。如：要求所作的逼近函数最优地靠近样点，即向量的误差或距离最小。按所求的逼近函数和样点之间误差最小原则作 “最优”标准的构造的逼近函数，称为拟合函数。 2. 曲线拟合的方法及拟合标准 2.1 曲线拟合的方法 设在上给出一组数据 ， 以及一组线性无关的函数族，，其中。问题是要在曲线族 中寻找一个合适的曲线以某种原则使其无限逼近数据点所表示的函数关系。 现在定义如下： 若曲线 使 成立，这就是最小二乘逼近，这种方法称为曲线拟合的最小二乘法。可知，若要求曲线，就是按条件求出系数。 求最小二乘法的方法： 设 就等价于 即成立。 其中 2.2 拟合标准 拟合曲线与数据点之间的误差或距离有不同的定义方法： 1. 用各点误差的绝对值的和表示： 2. 用各点误差按绝对值的最大值表示： 3. 用各点误差的平方和表示： 式中的称为均方误差。 3. 曲线拟合的几种类型 3.1 单变量拟合 1. 线性拟合 给定一组数据，作拟合曲线，均方误差为 由数学知识可知，的极小值需要满足 整理得到拟合曲线满足的方程 式称为拟合曲线的法方程。可用消元法或克莱姆方法求解。 2. 二次拟合函数 给定一组数据，用二次项式函数拟合这组数据。 设，作出拟合函数与数据序列的均方误差表达式 由数学知识可知，的极小值满足 整理上式得二次多项式函数拟合需满足的条件方程 解此方程得到在均方误差最小意义下的拟合函数。式称为多项式拟合的法方程，法方程的系数矩阵是对称的。当拟合多项式时，法方程的系数矩阵是病态的，在用通常的有有迭代法求解线性方程时会发散，在计算中要采用一些特殊的算法以保护解的准确性。 3.2 多变量曲线拟合 上面所述的几种曲线拟合的方法只涉及单变量函数的曲线拟合，但实际在化工实验数据处理及模型参数拟合时，通常会碰到多变量的参数拟合问题。其中最典型的例子就是传热实验中的努赛尔数、雷诺数及普朗特数之间的拟合问题： 给定一组数据序列，，用一次多项式函数拟合这组数据。 设，作出拟合函数与数据序列的均方误差 由多元函数的极值原理，的极小值满足 整理上式得二次多项式函数拟合需满足的条件方程 通过求解方程就可以得到多变量函数线性拟合时的参数，由于方程不是线性方程，可能通过对方程两边同时取对数，得到以下线性方程 只要作如下变量代换 并将实验数据代入法方程就可能求出方程中的系数。 4. 实例分析 正庚烷和甲苯构成的二元溶液，溶液和组成的实验结果如表4-1所示。其中表示正庚烷的摩尔分数，表示混合热。 表4-1 正庚烷的含量（摩尔分数）与混合热的关系 0.05 0.11 0.17 0.18 0.28 0.31 0.33 0.13 0.23 0.32 0.35 0.44 0.47 0.48 0.39 0.44 0.53 0.54 0.62 0.71 0.82 0.51 0.52 0.51 0.50 0.48 0.42 0.28 从散点图（图4-1）看，是一条抛物线，可以用抛物线方程来拟合。 按照抛物线方程： 如果我们在曲线上任取一点，则有 两式相减，得： 令， 则式变为：，可以看出，这与之间呈线性关系。 因此，可用对作图，看它是否存在线性关系，并用相关系数检验的方法做定量检验。 我们选定其中一组数据作业，于是计算出： 用对作图，果然得到一条直线。见图4-2。 计算的相关系数为： 由此证明，我们确实把曲线变成了直线。这样，就可以先求出直线方程的两个常数，再写出描述这条曲线的经验方程式： 即 将实验数据代入，求出计算的值，结果见表4-2。 表4-2 经验方程的计算值与实验值的比较 0.05