数学实验：实验14 水塔水流量估计模型与数据插值.ppt

3三维插值命令vb=interp3(x,y,z,v,xb,yb,zb,method)4样条插值命令yb=spline(x,y,xb)该命令等同于yb=interp1(x,y,xb,cubic)zb=griddata(x,y,z,xb,yb,’method’)x,y,z是同维数据向量，表示插值结点的横坐标、纵坐标和竖坐标。xb，yb表示待求函数值的插值结点向量，通常由meshgrid生成。‘method’是可选项，说明插值使用的方法。缺省时为线性插值，也可选择：nearest（最近插值），linear（线性），cubic（三次插值），v4。v4是一种插值算法，没有具体的名字，原文称为“MATLAB4griddatamethod”，是一种很圆滑的差值算法，效果不错。命令返回值zb是插值曲面在(xb,yb)处的竖坐标值。5用griddata命令插值生成三维曲面interp2和griddata都是二维插值，两者的区别是：interp2的插值数据必须是矩形域，即已知数据点(x,y)组成规则的矩阵，或称之为栅格，可使用meshgid生成。而griddata函数的已知数据点（X，Y）不要求规则排列，特别是对试验中随机没有规律采取的数据进行插值具有很好的效果。例4.2已知观测数据分别用拉格朗日、分段线性、3次样条进行插值，并绘出插值多项式曲线图。x00.10.20.30.40.50.60.70.80.91y-0.4471.9783.286.167.087.347.669.569.489.311.2(1)拉格朗日插值法x=0:0.1:1；y=[-0.4471.9783.286.167.087.347.669.569.489.311.2];plot(x,y,b.,markersize,30)axis([01-216])gridholdonp=lagrange(x,y);t=0:0.01:1;u=polyval(p,t);plot(t,u,r-,linewidth,3)结果显示，所插值出的10次多项式曲线，在数据点之间产生较大的起伏波动，与数据点的变化趋势有明显的偏离，这时曲线并不能很好地反映数据点的变化规律。而且进一步实验发现，随着分点的增加，Lagrange插值出现大的起伏波动越明显，这就是插值问题中典型的“龙格现象”。针对高次多项式插值时容易发生“龙格现象”，在实际插值时，常常采用分段低次插值方法，即在相邻两个数据点构成的子区间上分别进行低次插值,整个区间上的插值函数将是一个分段的多项式函数。(2)分段线性插值x=[00.10.20.30.40.50.60.70.80.91];y=[-0.4471.9783.286.167.087.347.669.569.489.311.2];plot(x,y,‘b.’,‘markersize’,30)；axis([01-115])；gridholdont=0:0.01:1;u=interp1(x,y,t);plot(t,u,r-,linewidth,3)结果分析分段线性插值有效地回避了插值问题中的“龙格现象”，结果连线也大致描述了已知数据点的变化规律。但很明显，由分段直线连接的插值曲线在节点处不光滑，不可导。(3)3次样条插值x=[00.10.20.30.40.50.60.70.80.91];y=[-0.4471.9783.286.167.087.347.669.569.489.311.2];plot(x,y,b.,markersize,30)axis([01-116])gridholdont=0:0.01:1;u=spline(x,y,t);plot(t,u,r-,linewidth,3)结果分析从图可以看出，样条插值所得的曲线比较好地连接了已知的数据点，既有效地回避了插值问题中的“龙格现象”，又是连续光滑的，用此曲线来近似描述已知数据点的变化规律，能比较好地进行数据点之间的预测分析和求值。例4.3某海域上频繁地有各种吨位的船只经过，为保证船只的航行安全，有关机构在低潮时对水深进行了测量，得到了如下的测量数据：x=[129.0140.0103.588.0185.5195.0105.5157.5107.577.0