曲线拟合 教学设计.docVIP

PAGE 1 任务3 曲线拟合 知识目标：熟悉关联函数的选择和线性化方法，了解线性最小二乘法。 能力目标：能用Excel将实验数据拟合成曲线。 ☆思考：何谓曲线拟合？ 数据处理的一项十分重要的工作是寻求相关量之间的内在规律，即由已知数据群确立经验或半经验的数学模型。常用的方法是将观测得到的离散数据标记在平面图上，这只是对一个变量情况而言，描成一条光滑曲线（也包括直线，或对数坐标下的直线等）。为了便于进一步分析运算，希望将曲线用一简单的数学表达式加以描述，这种将离散的数据描述成数学表达式的方法称曲线拟合，或者说经验建模。 一、关联函数的选择和线性化 实测数据关联成数学模型的方法一般有以下几种： ①具有一定的理论依据，可直接根据机理选择关联函数的形式。 如反应动力学方程通常表示为r=kCAn，其中反应速度常数k与温度T的关系符合阿累尼乌斯（S.A.Arrhenius）方程，k=k0exp(－E/RT)的形式。此法的关键在于确定上述公式中k、n、k0、E等未知系数，以使模型密切逼近实测数据。这种模型称为半经验模型，工作要点在于参数估计。 ②尚无任何理论依据，但已有一些经验公式可选择。 很多物性数据如热容、密度、饱和蒸气压等与温度的关系常表示为： f(T)=b0+b1T+b2T2+b3T3+b4lnT+b5/T 当然不一定上述公式中六个系数都很重要，有的物性也只取前三、四项即可满足