MATLAB多项式函数拟合和曲线拟合

MATLAB软件提供了基本的曲线拟合函数的命令.

多项式函数拟合:a=polyfit(xdata,ydata,n)

其中n表示多项式的最高阶数,xdata,ydata为将要拟合的数据,它是用数组的方式输入.输出参数a为拟合多项式 的系数

    多项式在x处的值y可用下面程序计算.

                                y=polyval(a,x)                

   一般的曲线拟合:p=curvefit(‘Fun’,p0,xdata,ydata)

其中Fun表示函数Fun(p,data)的M函数文件,p0表示函数的初值.curvefit()命令的求解问题形式是

 

若要求解点x处的函数值可用程序f=Fun(p,x)计算.

    例如已知函数形式,并且已知数据点 要确定四个未知参数a,b,c,d.

使用curvefit命令,数据输入 ;初值输 ;并且建立函数 的M文件(Fun.m).若定义,则输出

又如引例的求解,MATLAB程序:

        t=[l:16];   %数据输人

        y=[ 4  6.4   8.4  9.28  9.5  9.7  9.86  10.2  10.32  10.42  10.5  10.55 10.58  10.6] ;

        plot(t,y,’o’)  %画散点图

        p=polyfit(t,y,2)   (二次多项式拟合)

        计算结果:

        p=-0.0445  1.0711  4.3252    %二次多项式的系数

        由此得到某化合物的浓度y与时间t的拟合函数

       

         对函数的精度如何检测呢?仍然以图形来检测,将散点与拟合曲线画在一个画面上.参见图5.3.

       

 

由此看见上述曲线拟合是比较吻合的。

>>x=[0.25,0.5 ,0.75,1,1.5,2,2.5,3,3.5,4,4.5,5,6,7,8,9,10,11,12,13,14,15,16];
>>y=[30,68,75,82,82,77,68,68,58,51,50,41,38,35,28,25,18,15,12,10,7,7,4];
>>plot(x,y,'-')
得到一个图像
可以看出他大概类似于一条抛物线
可以用二次拟合
 
		
输入:
>>a=polyfit(x,y,2)
>>a =
 
		
0.0904 -6.1387 75.1158
 
		
 
		
所以拟合后的曲线为:
y=0.0904t^2-6.1387t+75.1158
(y是酒精含量,t是时间)
 
		
检验后符合条件 
			
		

 

x1=[350 350 350 350 350 350 350 350 350 500 500 500 500 500 500 500 500 500 650 650 650 650 650 650 650 650 650];
x2=[2 2 2 3.5 3.5 3.5 5 5 5 2 2 2 3.5 3.5 3.5 5 5 5 2 2 2 3.5 3.5 3.5 5 5 5];
x3=[2.33 1 0.428 2.33 1 0.428 2.33 1 0.428 2.33 1 0.428 2.33 1 0.428 2.33 1 0.428 2.33 1 0.428 2.33 1 0.428 2.33 1 0.428];
y=[90.27 93.68 92.65 87.4 91.71 93.94 86.49 93.9 93.6 82.4 92.27 93.98 87.58 93.01 93.24 82.96 92.61 94.83 90.32 92.6 92.77 89.97 90.31 93.47 90.51 92.61 94.04];
%每3个x为一组对应一个y,请问怎样编写matlab程序,进行最小二乘法拟合,得到回归方程
format short g
Y=y'
X11=[ones(1,length(y));x1;x2;x3]'
B1=regress(Y,X11)% 多元一次线性回归
[m,n]=size(X11)
X22=[];
for i=2:n
    for j=2:n
        if i<=j
        X22=([X22,X11(:,i).*X11(:,j)]);
        else
        continue
        end
   end
end
X=[X11,X22];
B2=regress(Y,X)% 多元二次线性回归
[Y X*B2 Y-X*B2]
 
		
plot(Y,X11*B1,'o',Y,X*B2,'*')
hold on,line([min(y),max(y)],[min(y),max(y)])
axis([min(y) max(y) min(y) max(y)])
legend('一次线性回归','二次线性回归')
xlabel('实际值');ylabel('计算值')
 
运行结果:
X11 =
 
		
                    350                   2.33
                    350                      1
                    350                  0.428
                    350          3.5         2.33
                    350          3.5            1
                    350          3.5        0.428
                    350                   2.33
                    350                      1
                    350                  0.428
                    500                    2.33
                    500                      1
                    500                  0.428
                    500          3.5         2.33
                    500          3.5            1
                    500          3.5        0.428
                    500                   2.33
                    500                      1
                    500                  0.428
                    650                   2.33
                    650                      1
                    650                  0.428
                    650          3.5         2.33
                    650          3.5            1
                    650          3.5        0.428
                    650                   2.33
                    650                      1
                    650                  0.428
 
		
 
		
B1 =
 
		
       94.718
    0.0010963
     0.022593
      -3.2882
 
		
 
		
m =
 
		
    27
 
		
 
		
n =
 
		
     4
 
		
 
		
B2 =
 
		
       111.98
    -0.070507
     -0.51146
      -1.6597
  6.0444e-005
    0.0015111
    0.0046857
      0.03037
     -0.34654
     -0.96485
 
		
 
		
ans =
 
		
        90.27       87.965        2.305
        93.68       93.186      0.49375
        92.65       94.382      -1.7321
         87.4       87.031      0.36943
        91.71       92.943      -1.2331
        93.94       94.436     -0.49629
        86.49       86.233      0.25722
         93.9       92.837       1.0633
         93.6       94.627      -1.0272
         82.4       87.187      -4.7867
        92.27       91.473      0.79689
        93.98       92.267       1.7131
        87.58       86.592      0.98778
        93.01        91.57         1.44
        93.24       92.661      0.57889
        82.96       86.134      -3.1744
        92.61       91.804      0.80644
        94.83       93.192        1.638
        90.32       89.128       1.1917
         92.6        92.48      0.12004
        92.77       92.872     -0.10171
        89.97       88.874       1.0961
        90.31       92.917      -2.6069
        93.47       93.606     -0.13593
        90.51       88.756       1.7539
        92.61        93.49     -0.88042
        94.04       94.477     -0.43682

 

                
  • 2
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值