数值计算方法实验报告5―温度分布的曲线拟合.pdf

数值计算方法实验报告5―温度分布的

曲线拟合

本报告是关于温度分布的曲线拟合的,望对大家有所帮助!!!

数值计算方法实验报告

标题：温度分布的曲线拟合

1.实验描述：

在科学技术工程和实验中，经常需要从大量的实验数据中寻

找拟合曲线，最

简单的是一维情形（一元函数），此时数据的形式为x和y坐

标的有序对，如：(x1,y1),...,(xN,yN),这里的横坐标{x}是明确的。

数值计算方法的目的之一是求解一个将自变量与因变量联

系起来的拟合函数。求解拟合函数的方法有多种，常见的方法有：

线性最小二乘拟合、多项式拟合（最小二乘抛物线拟合）、样条

插值拟合（三次样条拟合）、三角多项式拟合、贝塞尔曲线拟合

这五种方法。

本次实验分别利用上述五种方法对一组温度数据进行拟合，

通过拟合的结果比较这五种方法的优缺点（主要考虑误差）。

2.实验内容：

已知某地区一天的温度数据如下：时间，p.m

***-**********午夜

***-********-********-*****

温度

时间，a.m

***-**********正午

***-********-********-*****

温度

分别利用：线性最小二乘拟合、多项式拟合（最小二乘抛物

线拟合）、样条插值拟合（三次样条拟合）、三角多项式拟合、贝

塞尔曲线拟合这五种方法对这组温度数据进行拟合，通过拟合的

结果比较这五种方法的优缺点。

3.实验原理及分析：

本报告是关于温度分布的曲线拟合的,望对大家有所帮助!!!

①线性最小二乘拟合法：

设{(x,y)}有N个点，其中横坐标{x}是确定的。最小二乘拟合

曲线为：

kkk=1kk=1

y=Ax+B,其系数满足如下正规方程：(∑x)A+(∑xk)B=∑xkyk

2k

NN

NNN

k=1N

k=1k=1

(∑xk)A+NB=∑yk

k=1

k=1

N

解得：A=

N

∑x

k=1Nk=1

N

k

ykNxy

2k

∑x

k

Nx

N

2

=

∑(x

k=1

N

N

k

x)(yky)

,B=yAx

k

∑(x

k=1

k

x)

2

其中：x=

∑x

k=1

N

,y=

∑y

k=1

N

线性最小二乘法的本质是：多元函数（均方根误差函数）求

极值问题。

在处理一些非线性拟合问题时，我们往往会通过适当的变量

代换将问题转化为线性最小二乘法拟合问题。

②多项式拟合（最小二乘抛物线拟合）法：

设{(x,y)}有N个点，其中横坐标{xk}k=1是确定的。最小二乘

抛物线拟合曲线为：kkk=1

y=Ax2+Bx+C,其系数满足如下正规方程：

(∑x)A+(∑x)B+(∑x)C=∑xk2yk

4k

3k

2k

NN

NNNN

k=1N

k=1N

k=1N

k=1N

(∑x)A+(∑x)B+(∑xk)C=∑xkyk

3k

2k

k=1N

k=1N

k=1k=1

(∑x)A+(∑xk)B+NC=∑yk

2k

N

k=1k=1k=1

最小二乘抛物线拟合方法的本质仍然是：多元函数（均方根

误差函数）求极值问题，可见最小二乘法的核心问题是：求解使

均方根误差函数取最小值时的拟合函数的参数。具体方法为（以

最小二乘抛物线拟合为例）：

N

E(A,B,C)=∑(Axk2+Bxk+Cyk)2,分别对A,B,C求偏导数：

k=1

E(A,B,C)E(A,B,C)E(A,B,C)

=0=0,=0ABC最终得到上述正规方程。

③样条插值拟合（三次样条拟合）法：

本报告是关于温度分布的曲线拟合的,望对大家有所帮助