《数学模型》实验指导书通识2017版.docxVIP

PAGE

PAGE10

《数学模型》实验指导书

应用软件名称：Matlab Lingo

实验一 熟悉软件环境

学习并掌握使用数学软件Matlab的基本原理与使用方法;且能够运用其一软件解决简单的计算和作图等实际问题.

实验内容

1、 Matlab基础：矩阵运算、数值运算、矩阵元素的操作；2、 Matlab符号运算；

3、 Matlab二维、三维作图；

4、 Matlab数据分析，插值与拟合；5、 Matlab非线性方程求根；

6、 Matlab微分方程求解、数值计算；

7、 Matlab优化工具箱求解优化问题；

8、 Matlab线性、非线性回归分析。

实验二 数据插值、拟合方法的MATLAB实现1曲线拟合

实例：温度曲线问题

气象部门观测到一天某些时刻的温度变化数据为：

t

0

1

2

3

4

5

6

7

8

9

10

T

13

15

17

14

16

19

26

24

26

27

29

试描绘出温度变化曲线。

曲线拟合就是计算出两组数据之间的一种函数关系，由此可描绘其变化曲线及估计非采集数据对应的变量信息。

曲线拟合有多种方式，下面是一元函数采用最小二乘法对给定数据进行多项式曲线拟合，最后给出拟合的多项式系数。

线性拟合函数：regress()

调用格式：b=regress(y,X)

[b,bint,r,rint,stats]=regress(y,X)[b,bint,r,rint,stats]=regress(y,X,alpha)

说明：b=regress(y,X)返回X处y的最小二乘拟合值。该函数求解线性模型：y=Xβ+ε

β是p?1的参数向量；ε是服从标准正态分布的随机干扰的n?1的向量；y为n?1的向量；X为n?p矩阵。

bint返回β的95%的置信区间。r中为形状残差，rint中返回每一个残差的

95%置信区间。Stats向量包含R2统计量、回归的F值和p值。

例1：设y的值为给定的x的线性函数加服从标准正态分布的随机干扰值得到。即y=10+x+ε ；求线性拟合方程系数。

程序：x=[ones(10,1) (1:10)’]

y=x*[10;1]+normrnd(0,0.1,10,1)[b,bint]=regress(y,x,0.05)

结果：x=

y=

1 1

1 2

1 3

1 4

1 5

1 6

1 7

1 8

1 9

1 10

10.9567

11.8334

13.0125

14.0288

14.8854

16.1191

17.1189

17.9962

19.0327

20.0175

b=

9.9213

1.0143

bint=

9.7889 10.0537

0.9930 1.0357

即回归方程为：y=9.9213+1.0143x

多项式曲线拟合函数：polyfit()

调用格式： p=polyfit(x,y,n)

[p,s]=polyfit(x,y,n)

说明：x,y为数据点，n为多项式阶数，返回p为幂次从高到低的多项式系数向量p。矩阵s用于生成预测值的误差估计。(见下一函数polyval)

例2：由离散数据

x

0

.1

.2

.3

.4

.5

.6

.7

.8

.9

1

y

.3

.5

1

1.4

1.6

1.9

.6

.4

.8

1.5

2

拟合出多项式。程序：

x=0:.1:1;

y=[.3.511.41.61.9.6.4.81.52]n=3;

p=polyfit(x,y,n)xi=linspace(0,1,100);z=polyval(p,xi);%多项式求值plot(x,y,’o’,xi,z,’k:’,x,y,’b’)legend(‘原始数据’,’3阶曲线’)

结果：

p=

16.7832 -25.7459 10.9802 -0.0035

多项式为：16.7832x3-25.7459x2+10.9802x-0.0035

曲线拟合图形：

也可由函数给出数据。例3：x=1:20,y=x+3*sin(x)程序：

x=1:20;

y=x+3*sin(x);p=polyfit(x,y,6)xi=1inspace(1,20,100);

z=polyval(p,xi); %多项式求值函数

plot(x,y,’o’,xi,z,’k:’,x,y,’b’)legend(‘原始数据’,’6阶曲线’)结果：

p=

0.0000 -0.0021 0.0505 -0.5971 3.6472 -9.7295 11.3304

再用10阶多项式拟合程序：x=1:20;

y=x+3*sin(x);p=polyfit(