數(shù)值計算課程設計-擬合方法與擬合函數(shù)的選取(共14頁)

《數(shù)值計算課程設計-擬合方法與擬合函數(shù)的選取(共14頁)》由會員分享，可在線閱讀，更多相關《數(shù)值計算課程設計-擬合方法與擬合函數(shù)的選取(共14頁)（15頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、精選優(yōu)質文檔-傾情為你奉上題目：擬合方法與擬合函數(shù)的選取班級：數(shù)101班數(shù)102班數(shù)101班指導教師：譚高山 提交日期：2013年5月 13日專心-專注-專業(yè)目錄一、擬合問題的提出.1二、擬合準則.1三、擬合函數(shù)的選取.1四、函數(shù)擬合實.2 4.1 多項式擬合2 4.2 指數(shù)與復合函數(shù)擬合.4 4.3 分段擬合7五、總結.12六、參考文獻.12一、 擬合問題的提出在很多科學實驗中，我們通過測量或觀察等方法獲得一組看上去雜亂無章的數(shù)據(jù)，為了找出這些數(shù)據(jù)之間的某種規(guī)律和聯(lián)系，即尋找一個較簡單的函數(shù)曲線，使之在一定準則下最接近這些數(shù)據(jù)點，以便突顯各數(shù)據(jù)點的先后變化趨勢，由此便產(chǎn)生了曲線擬合的概念。曲

2、線擬合在實際中有著很廣泛的實用價值。因為我們所獲取的實驗數(shù)據(jù)本身往往帶有測量誤差，難免會出現(xiàn)個別數(shù)據(jù)誤差過大的現(xiàn)象。相比于插值法，曲線擬合時，不要求曲線嚴格地經(jīng)過每一個數(shù)據(jù)點，這樣就能有效降低個別數(shù)據(jù)對整體數(shù)據(jù)規(guī)律的干擾作用；另外，實驗數(shù)據(jù)往往很多，插值法會比較繁雜，擬合方法則更實際更高效。2、 擬合準則 在曲線擬合中，有幾種不同的誤差準則：1.最大誤差: 2. 平均誤差3. 均方根誤差4. 誤差平方和通過求誤差的最小值，可得該準則下的最佳擬合曲線。由于誤差平方和容易進行最小化計算，故而我們通常采用該標準，稱之為最小二乘準則。以下課程實驗都是在最小二乘準則下實現(xiàn)的。三、擬合函數(shù)的選取曲線擬合時

3、，首要也最關鍵的一步就是選取恰當?shù)臄M合函數(shù)。對于一組給定的數(shù)據(jù)，我們可以先做出其散點圖，判斷應該采用什么樣的曲線來作擬合，然后在直觀判斷的基礎上，選取多組曲線分別作擬合，然后比較，看哪條曲線的最小二乘指標最小，也即擬合的最好。一般來說，選取多項式作為擬合曲線，是簡單且常用的。MATLAB中有現(xiàn)成的多項式擬合程序，調用格式為f=polyfit(x,y,n)，其中輸入?yún)?shù)x，y為要擬合的數(shù)據(jù)，n為擬合多項式的系數(shù)，輸出參數(shù)f為擬合多項式的系數(shù)向量。對于稍微復雜一點的擬合曲線，我們可以先通過線性變換將之轉換成簡單的線性函數(shù)，接著再用多項式擬合的命令f=polyfit(x,y,n)來實現(xiàn)函數(shù)的擬合。下

4、面表格列舉兩個線性變換的例子：原函數(shù)y化為線性函數(shù)Y=AX+B型變量與常量的變化4、 函數(shù)擬合實例4.1多項式擬合例1.給定一組數(shù)據(jù)點 如下表：-1.5-0.700.51.92.22.93.84.27.523.982.993.5710.1812.7319.8131.9038.24首先，我們在MATLAB中輸入程序>> x=-1.5 -0.7 0 0.5 1.9 2.2 2.9 3.8 4.2;y=7.52 3.98 2.99 3.57 10.18 12.73 19.81 31.90 38.24;plot(x,y,'b*'),xlabel('x'),y

5、label('y')title('表中數(shù)據(jù)點（xi，yi）的散點圖')運行后得表中數(shù)據(jù)的散點圖如下(圖中*表示數(shù)據(jù)點的坐標）:因為數(shù)據(jù)散點圖的變化趨勢與二次多項式很接近，所以可選用二次多項式作為擬合曲線，設f(x)=ax2+bx+c。編程:>> x=-1.5 -0.7 0 0.5 1.9 2.2 2.9 3.8 4.2;y=7.52 3.98 2.99 3.57 10.18 12.73 19.81 31.90 38.24;f=polyfit(x,y,2);a=f(1),b=f(2),c=f(3)X=-1.5:0.01:4.2;Y=polyval(f,

6、X);f=polyval(f,x);fy=abs(f-y);E=sum(fy.2)plot(x,y,'r*',X,Y,'b-'),xlabel('x'),ylabel('y')title('擬合直線與數(shù)據(jù)點結合圖')運行后得：a = 1.9974; b =0.0021; c = 3.0188;E = 0.0097生成如下圖形： 即擬合多項式為：f=1.9974x2+0.0021x+3.0188; 誤差很小，只有0.0097.4.2 指數(shù)與復合函數(shù)擬合例2.給出實驗數(shù)據(jù)點如下表：xi2.70.12.31.60.71.

7、40.3yi2.6411.043.214.037.104.589.37在MATLAB中輸入程序:>> x=2.7 0.1 2.3 1.6 0.7 1.4 0.3;y=2.64 11.04 3.21 4.03 7.10 4.58 9.37;>> plot(x,y,'b*'),axis(0,3,0,12)得散點圖：據(jù)圖，我們取兩種擬合函數(shù)分別為 和 ：（1） 設 ，在MATLAB中輸入程序>> x=2.7 0.1 2.3 1.6 0.7 1.4 0.3;y=2.64 11.04 3.21 4.03 7.10 4.58 9.37;Y=log(y);

8、f=polyfit(x,Y,1);A=f(2);B=f(1);a=exp(A),b=-BX=0:0.01:3;Y=a*exp(-b.*X);f=a*exp(-b.*x);plot(x,y,'r*',X,Y,'b-'),xlabel('x'),ylabel('y')legend('數(shù)據(jù)點 (xi,yi)','擬合曲線Y=f(x)')title('數(shù)據(jù)點(xi,yi)和擬合曲線Y=f(x)的圖形')fy=abs(f-y);E1=sum(fy.2)得：a =10.7441; b =0.54

9、60; E1 = 1.3072.（2） 設 ，在MATLAB中輸入程序x=2.7 0.1 2.3 1.6 0.7 1.4 0.3;y=2.64 11.04 3.21 4.03 7.10 4.58 9.37;Y=1./y;f=polyfit(x,Y,1);a=f(1),b=f(2)X=0:0.01:3;Y=1./(a.*X+b);f=1./(a.*x+b);plot(x,y,'r*',X,Y,'b-'),xlabel('x'),ylabel('y')Legend('數(shù)據(jù)點（xi,yi)','擬合曲線Y=f(x

10、)')Title('數(shù)據(jù)點(xi,yi)和擬合曲線Y=f(x)的圖形')Fy=abs(f-y);E2=sum(fy.2)得：a =0.1089; b =0.0720; E2 =0.0097. 因為E1E2，顯然第二種擬合曲線的誤差較小，擬合效果更佳。4.3 分段擬合實際中的很多科學實驗數(shù)據(jù)，其擬合函數(shù)都比較稍顯復雜，下面我們來列舉一例。例3. 革螨在不同濃度的甲酚皂液的平均致死時間如下表顯示：X甲酚皂液的濃度（%）Y革螨的平均死亡時間（min）0.10050.40.15041.20.17533.60.20019.00.30011.60.40010.60.5008.40.

11、6006.80.7006.21.0004.85.0002.210.0001.2用MATLAB作散點圖：分析上圖可知，曲線的兩端都含有漸近線，故全段擬合曲線中一定含有指數(shù)項。>> x=0.100 0.150 0.175 0.200 0.300 0.400 0.500 0.600 0.700 1.000 5.000 10.000;y=50.4 41.2 33.6 19.0 11.6 10.6 8.4 6.8 6.2 4.8 2.2 1.2;Y=log(y);f=polyfit(x,Y,1);A=f(2);B=f(1);a=exp(A),b=-BX=0:0.01:10;Y=a*exp(-

12、b.*X);f=a*exp(-b.*x);plot(x,y,'r*',X,Y,'b-'),xlabel('x'),ylabel('y')legend('數(shù)據(jù)點 (xi,yi)','擬合曲線Y=f(x)')title('數(shù)據(jù)點(xi,yi)和擬合曲線Y=f(x)的圖形')fy=abs(f-y);E1=sum(fy.2)得:a =15.6609; b =0.2978; E1 =2.4705e+003 即擬合函數(shù)為： 顯然，擬合效果不佳。進一步分析可以看出，前9個點有一條漸近線，而后3個點

13、有一條漸近線?？蓪⒁獢M合的曲線分為二段，前9個點為前段，后3個點為后段。我們可以分別對前9個點和后3個點進行直線化。以x為橫坐標，lny 為縱坐標，做散點圖plot(x,log(y),'b*')得可以看出后三個點明顯呈直線趨勢，我們先對后三個點進行直線化。擬合的方法和前面相同，在MATLAB中輸入x=1.000 5.000 10.000;y= 4.8 2.2 1.2;Y=log(y);f=polyfit(x,Y,1);A=f(2);B=f(1);a=exp(A),b=-B得：a =5.2635；b =0.1527；即 從圖3發(fā)現(xiàn)前9個點仍呈曲線趨勢，需要進一步線性化。具體步驟如

14、下：利用(4)求得前9個點處的函數(shù)值y，再把實際數(shù)據(jù)中的前9個值減去y。即得y”=y-y，然后取其對數(shù)值ln(y”)，用MATLAB作出這些點圖象，在MATLAB下不需要一個個去求，只要在命令窗口輸入如下命令： >> x=0.100 0.150 0.175 0.200 0.300 0.400 0.500 0.600 0.700;y=50.4 41.2 33.6 19.0 11.6 10.6 8.4 6.8 6.2;plot(x,log(y-(5.2635.*exp(-0.1527*x),'b*')得：可以發(fā)現(xiàn)這9個點成一定的曲線趨勢，利用x和 y的值可建立起直線回歸

15、方程。只要在MATLAB下用同樣的方法再次求指數(shù)擬合>> x=0.100 0.150 0.175 0.200 0.300 0.400 0.500 0.600 0.700;y=50.4 41.2 33.6 19.0 11.6 10.6 8.4 6.8 6.2;Y=log(y-(5.2635.*exp(-0.1527.*x);f=polyfit(x,Y,1);A=f(2);B=f(1);a=exp(A),b=-B得a = 62.55659；b = 5.7270；即 由于前段各點在后段直線的上方，故最終的擬合函數(shù)應為y=（4）+（5），即 在MATLAB中做出散點和擬合曲線>>

16、; x=0.100 0.150 0.175 0.200 0.300 0.400 0.500 0.600 0.700 1.000 5.000 10.000;y=50.4 41.2 33.6 19.0 11.6 10.6 8.4 6.8 6.2 4.8 2.2 1.2;X=0:0.01:10;Y=5.2635.*exp(-0.1527.*X)+62.55659.*exp(-5.7270.*X);得下圖：顯然，所求擬合函數(shù)令人滿意。五、總結函數(shù)擬合是一種實用性很強的數(shù)學方法，例如，可以用來尋求血藥濃度變化規(guī)律，用來測定彈簧彈力與伸長量之間的關系等等，總之它涉及生活學習的方方面面。另外，在實例分析中，我們通常都能先根據(jù)邏輯方法確定數(shù)據(jù)之間遵循的函數(shù)類型，所以很多時候只需確定一種擬合函數(shù)即可。值得注意的是，要學會通過不同途徑去盡量減少函數(shù)擬合的誤差。六、參考文獻1.數(shù)值分析第七版，Richard L.Burden，J.Douglas Faires，高等教育出版社。2.數(shù)值分析及其MATLAB實現(xiàn)，任玉杰著，高等教育出版社。