数学建模_拟合算法

最新推荐文章于 2023-03-04 16:47:28 发布

小米粥大哲学

最新推荐文章于 2023-03-04 16:47:28 发布

阅读量1.6k

点赞数 5

分类专栏：数学建模文章标签：数学建模 matlab

本文链接：https://blog.csdn.net/LIGHTER_06/article/details/107642455

版权

1 篇文章 0 订阅

订阅专栏

基本概念

拟合：拟合问题的目标是寻求一个函数，使得该曲线在某一准则下与所有的数据点最为接近，即曲线拟合的最好。

拟合和插值的区别：拟合不需要曲线经过所有给定的点，拟合的结果是得到一条确定的曲线，而插值算法得到的多项式需要经过所有的样本点，但如果样本点太多，那么多项式的次数过高，会造成龙格现象。

龙格现象：在计算方法中，有利用多项式对某一函数的近似逼近，计算相应的函数值。一般情况下，多项式的次数越多，需要的数据就越多，而预测也就越准确。插值次数越高，插值结果越偏离原函数的现象称为龙格现象。

最小二乘法：设 $（x_{i},y_{i}）,i=1,2,...,n$ 拟合曲线为 $y=kx+b$ 样本点与拟合曲线最接近

绝对值不容易求导，计算比较复杂；

总体平方和（SST）： $SST = \sum(y_{i}-\bar{y})^2$

误差平方和（SSE）： $SSE = \sum(y_{i}-\hat{y}_{i})^2$

回归平方和（SSR）： $SSR = \sum(\hat{y}_{i}-\bar{y})^2$

拟合优度（ $R^{2}$ ）： $R^{2}$ 越接近1，说明误差平方和越接近0，误差越小说明拟合的越好。

关于弹簧的伸长量和弹簧末端悬挂重物的质量

m	50	100	150	200	250	300	350	400	450	500	550
e	1.000	1.875	2.750	3.250	4.375	4.875	5.675	6.500	7.250	8.000	8.750

第一步：画出散点图

clear;clc
m=[50:50:550];
e=[1 1.875 2.75 3.25 4.375 4.875 5.675 6.5 7.25 8 8.75];
plot(m,e,'*')
xlabel('悬挂物的质量m')
ylabel('弹簧的伸长量e')

第二步：使用cftool进行拟合

第三步：拟合结果

拟合得出斜率为0.01537，即e=0.3245+0.01537m

误差平方和为0.08475，拟合结果良好

[1]【强烈推荐】清风：数学建模算法、编程和写作培训的视频课程以及Matlab等软件教学.B 站.https://www.bilibili.com/video/BV1DW411s7wi/

关注