第三章曲线拟合最小二乘法-2.docxVIP

第三章曲线拟合的最小二乘法

一、曲线拟合的最小二乘法

根据一组给定的实验数据点3，）」=1，…，队,求出y=e）的近似函数关系

（1）观测数据本身有误差

（2）反映实验数据规律的数学模型

问题特点：所给数据本身不一定可靠，个别数据的误差甚至可能很大。

研究目标：设法构造一条曲线（所谓拟合曲线）反映所给数据点总的趋势，以消除其局部波动

例1:已知一组实验数据如表所示.

.

1

1

2

3

4

Xi

2

4

6

8

yt

2

11

28

40

试求最小二乘拟合曲线.

解：作散点图，如图所示，说明它可用线性函数作曲线拟合，即选择形如0(力=%+?￥作为拟合曲线.这里(p(x)=aQ+axx,m=4,n=l9故法方程

444%+(5Xy.c

勺J4%+2g=81(力Wo+(￡#)%=?况〔2(ho+12(h]=536、，=1z=lj=i

得%=_12.5,q=6.55

所求的最小二乘拟合曲线为：0(x)=-12.5+6.55a:

例2：求下列数据)6

拟合多项式

xt0

v；5

解:做散点图

解:

做散点图

二0,123,4,5）对应的最小二乘

TOC\o1-5\h\z456

345

123

因此。⑴=%+a}x+a2x

?Z.

6vz-.^6v^.^6v^^2=，--\4玉6二尤6e/=16e/=1

久22

IQQ

+++

X2/3./X1+

E1T

%6E/=i6zz=l%』

接近抛物线,法方程组为:

6%+15%+55a2=15

15%+55的+22我⑵=3155%+22匆+97如=123解得：%=4.7143/=—2.7857^2=0.5从而：0（x）=4.7143-2.7857r+0.5x2

三、非线性模型的线性化定义2:若拟合函数。⑴与待定参数为线性

关系，就称其为线性最小二乘拟合，

女口以x）=%+qxFanxn

若拟合函数0（x）与待定参数%,a”％为非线性关系，就称其为非线性最小二乘拟合，如。3）=%欧非线性模型有时可经过变换可化为线性模型，这些也应按线性模型处理。

注：对于线性最小二乘由S=S（知%）=2＞（为）-乂］2及1=1豪0J=0,l,2,...,〃可得到关于的线性法方程组

例3:给定数据3，X-）（，=0,12345）如下:

.

1

1

2

3

4

5

Xiyi

1.00

5.10

1.25

5.79

1.50

6.53

1.75

7.45

2.00

8.46

求心）=以的最小二乘拟合曲线.（指数模型）

但两端取对数得解：y=（p（x）=aehA不是多项式,

但两端取对数得

Iny=In1+必.若令y=my,A=i,则有y=A+bx^它是线性蕙小二乘拟合问题，为求得4和。，先将（羽双）化为0，亍）.转化后的数据表为

x.1,001.251.501.75

?

2.00

yi1.6291.7561.8762.008

2.135

故有法方程:

TOC\o1-5\h\z55_

54+（次,.）人=咨乂顼54+7.58=9.404\v2勇v-n[7.5A+11.87%=14.422（2^）a+（2^1、z=li=\i=l

解得A=l.12*0.5056=e”=3.071,于是得最小

二乘拟合曲线J=3.07ka5056x

与插值问题不同，不要求通过点3，叫）,，=1,（否则将保留着一切观测误差），只要求在给定点为上的误差最小，即构造一条最佳拟含曲线/⑴节点X，误差（偏差）：切=『*（/）-y,0=1,...）

最佳标准：

1）招聋闵=min：误差绝对值最大达到最小（不易算）2）冬闵=min：误差绝对值和最小（不易算）

3）$；=min：误差平方和达到最小（或平方误差，常用，最小二乘拟合）

定义1：给定数据点3,双)，，=1，2,??叫假设拟合曲线的函数形式为：

(P(Q=￡ak轧(力EPo⑴+。阴⑴+???+a〃(p〃(x)

k=O其中｛代⑴故。为已知的线性无关函数。求系数

站，%*，???，%；,使得：

/〃7〃

S(%,《，???,Q〃)=Z[0S)—乂尸=旗[旗饥(玉)一乂]2=min/=]/=!A=O

称6⑴=±膈⑴为最小二乘拟合函数k—M

若久3)=￥盘=0,1,?,〃时称为最小二乘拟合多项式

云［S(m)f\2=9911fl

SCx)=a(Apo(x)^-attp/6v4-—+y（s为误差平方和函数）