数据插值，拟合，方程求解的MATLAB实现

最新推荐文章于 2024-05-04 10:41:45 发布

老蔡的菜

最新推荐文章于 2024-05-04 10:41:45 发布

阅读量6.2k

点赞数 9

分类专栏：笔记文章标签： matlab 数学建模算法

本文链接：https://blog.csdn.net/dangshan5/article/details/118959823

版权

笔记专栏收录该内容

20 篇文章 2 订阅

订阅专栏

数据插值，拟合，方程求解的MATLAB实现

一.简介
二.数据插值
- 1.实验数据的一维插值
- 2.实验数据的二维插值
三.数据拟合
- 1.实验数据的拟合
四.方程和方程组
- 1.方程和方程组的求解

一.简介

在生产和科学实验中，自变量x与因变量y间的函数关系y=f(x)有时不能写成解析表达式的形式，而只能得到函数在若干点的函数值或导数值。有时表达式过于复杂而需要较大的计算量，从而只能计算函数在若干点的函数值或者导数值，当要求知道其它点的函数值时，需要估计函数在该点的值。
为了完成这样的任务，需要改造一个比较简单的函数y=φ(x)，使该函数在观测点的值等于已知的值，或使函数在观测点的导数值等于或者接近已知的值，寻找这样的函数y=φ(x)有很多方法，根据测量数据的类型有以下处理观测数据的方法：
（1）： 测量数据的数据量较小并且数据值是准确的，或者基本没有误差的，这时一般用插值的方法来解决问题。
（2）： 测量数据的数据量较大或者测量值与真实有误差，这时一般用拟合的方法来解决问题。

二.数据插值

1.实验数据的一维插值

已知离散点上的数据集 |(x₁,y₁),(x₂,y₂), … ,(x_n,y_n)|，即已知在点集 X=|x₁,x₂,…,x_n| 上的函数值 Y=|y₁,y₂,…,y_n|，构造一个解析函数(其图形为一曲线)通过这些点，并能够求出这些点之间的值，这一过程称为一维插值。完成这一过程可以有多种方法，现在利用MATLAB提供的函数interp1，这个函数的调用格式为：
yi=interp1(X,Y,xi,method)
该命令用指定的算法找出一个一元函数y=f(x)，然后以f(x)给出x处的值，xi可以是一个标量，也可以是一个标量，也可以是一个向量，是向量时，必须单调，即按下标从小到大的顺序各分量呈单调排列 .method 可以取下列方法之一：
‘nearest’：最近邻点插值，直接完成计算；
‘spline’：三次样条函数插值；
‘linear’：线性插值（缺省方式）；
‘cubic’：三次函数插值。
对于[min{xi},max{xi}]外的值，MATLAB使用外推的方法计算数值。

例：已知某产品从1900年到2020年每隔11年的产量为：75.995，91.972，105.711，123.203，131.699，150.697，150.697，179.323，203.212，226.505，249.633，计算出1995年的产量，用来三次样条插值的方法，画出每隔1年的插值曲线图形，同时将原始的数据画在同一图上。
解：程序如下

year=1900:11:2010;
product=[75.995,91.972,105.711,123.203,131.699,150.697,150.697,179.323,203.212,226.505,249.633]
p1995=interp1(year,product,1995,'spline')
x=1900:2010;
y=interp1(year,product,x,'spline');
plot(year,product,'o',x,y);

计算结果为：p1995=217.7756
如果用线性插值，则程序的后四行改为：

p1995=interp1(year,product,1995,'linear')
x=1900:2010;
y=interp1(year,product,x,'linear');
plot(year,product,'o',x,y);

计算结果为：p1995=218.0348
这两种计算方法得到的数据有微小的差异，这种差异从两个图形上也能够看到，主要表现在节点（那些绘制成圆点的点）的附近。前者是光滑的，后者有角点出现。
在这里插入图片描述

2.实验数据的二维插值

已知离散点上的数据集 |(x₁,y₁,z₁),(x₂,y₂,z₂),…,(x_n,y_n,z_n)| ，即已知在点集 |(x₁,y₁),(x₂,y₂),…,(x_n,y_n)| 上的函数值 |z₁,z₂,…,z_n| , 构造一个解析函数(其图形为一曲面)通过这些点，并能够求出这些已知点以外的点的函数值 ，这一过程成为二维插值。
MATLAB命令：
Zi=interp2(X,Y,Z,Xi,Yi,method)
该命令用指定的算法找出一个二元函数z=f(x,y),然后以f(x,y)给出(x,y)处的值，返回数据矩阵Z_i，X_i，Y_i是向量，且必须单调，Z_i和meshgrid(X_i，Y_i)是同类型的，method可以采用下列方法之一：
‘nearest’：最近邻点插值，直接完成计算；
‘spline’：三次样条函数插值；
‘linear’：线性插值（缺省方式）；
‘cubic’：三次函数插值。

例：已知1950到1990年间每隔10年，服务年限从10到30年每隔10年的劳动报酬如表所示

年份\服务年限	10	20	30
1950	150.697	169.592	187.652
1960	179.323	195.072	250.287
1970	203.212	239.092	322.767
1980	226.505	273.706	426.730
1990	249.633	370.281	598.243

试计算1975年时，15年工龄的工作人员平均工资。
解：程序如下：

year=1950:10:1990
service=10:10:30
wage=[150.697 169.592 187.652
	  179.323 195.072 250.287
	  203.212 239.092 322.767
	  226.505 273.706 426.730
	  249.633 370.281 598.243]
w=interp2(service,year,wage,15,1975)

计算结果为：235.6288
例：设有数据x=1,2,3,4,5,6,y=1,2,3,4,在由x,y构成的网格上的数据为：
12，10，11，11，13，15
16，22，28，35，27，20
18，21，26，32，28，25
20，25，30，33，32，20
求将网格细化为间隔为0.1的数据，并画出图形
解：程序为：

x=1:6
y=1:4
t=[12,10,11,11,13,15
	16,22,28,35,27,20
	18,21,26,32,28,25
	20,25,30,33,32,20]
subplot(1,2,1)
mesh(x,y,t)
x1=1:0.1:6;
y1=1:0.1:4;
[x2,y2]=meshgrid(x1,y1);
t1=interp2(x,y,t,x2,y2,'cubic');
subplot(1,2,2)
mesh(x1,y1,t1);

程序运行结果如下：
在这里插入图片描述
左图是给定的网格处的数据，右图是插值后的数据。

三.数据拟合

1.实验数据的拟合

已知的离散点上的数据集{(x₁,y₁),(x₂,y₂),…,(x_n,y_n)},即已知在点集{x₁,x₂,…,x_n}上的函数值{y₁,y₂,…,y_n}，构造一个解析函数f(x)(其图形为一曲线)，使f(x)在原离散点x_i上的值尽可能接近给定的y_i的值，这一构造函数f(x)的过程称为曲线拟合。最常用的曲线拟合方法是最小二乘法，该方法时寻找函数f(x)使得M最小。
在这里插入图片描述
在MATLAB中，有下面几个命令与拟合相关，它们的含义和调用方法：

p=polyfit(x,Y,n)
c=lsqeurvefit(fun,c0,x,y)

说明：polyfit求出已知数据x，Y的n阶拟合多项式f(x)的系数p，x，Y都是，x的分量必须是单调的。
lsqeurvefit(fun,c0,x,y)用作各种类型曲线的拟合，用最小二乘法寻找符合经验公式的最优曲线，可用于非线性函数的数据拟合。

例：求如下给定数据的拟合曲线。
x=[0.5,1.0,1.5,2.0,2.5,3.0]
y=[1.75,2.45,3.81,4.80,7.00,8.60]
解：MATLAB程序如下：

x=[0.5,1.0,1.5,2.0,2.5,3.0]；
y=[1.75,2.45,3.81,4.80,7.00,8.60]；
p=polyfit(x,y,2)
x1=0.5:0.05:3.0;
y1=polyval(p,x1);
plot(x,y,'*r',x1,y1,'-b')

计算结果为：
在这里插入图片描述
此结果表示拟合函数为：
f(x)=0.5614x²+0.8287x+1.1560
例：给定下列数据：

X	0.1	0.2	0.15	0	-0.2	0.3
Y	0.95	0.84	0.86	1.06	1.50	0.72

考虑这些数据用函数y=ae^bx的非线性拟合。
解：先将参数a，b合写为向量c，编写如下程序：

fun=inline('c(1)*exp(c(2)*x)','c','x');
x=[0.1,0.2,0.15,0,-0.2,0.3]
y=[0.95,0.84,0.86,1.06,1.50,0.72]
c=lsqcurvefit(fun,[0,0],x,y)
norm(feval(fun,c,x)-y)^2

其中[0，0]是初始值，最后一句是计算残差的平方和，也就是拟合函数在给定点的值和原始数据的差的平方和，运行结果为：
在这里插入图片描述
说明残差很小。
关于norm，其定义是：

四.方程和方程组

1.方程和方程组的求解

在MATLAB中，有函数 solve(),null(),fsolve() 等来解决线性方程（组）和非线性方程（组）的求解问题，其具体格式如下：

X=solve('eqn1','eqn2',...,'eqnN','varl1','varl2',...,'varlN')
X=fsovle(fun,x0,options)

函数solve用来解符号方程，方程组，以及超越方程，如三角函数方程等非线性方程，参数‘eqnN’为方程组中的第N个方程，‘varN’则是第N个变量。
函数null(A) 则用来解线性方程组AX=O的基础解系，实际是求系数矩阵A的零空间，在null函数中可加入参数‘r’，表示有理基，通过求系数矩阵的秩和增广矩阵的秩，可以判定方程组是否有解，以及是否需要求出基础解系。
另外，可以用x = fzero(fun,x0) 尝试求出 fun(x) = 0 的点 x。此解是 fun(x) 变号的位置 - fzero 无法求函数（例如 x^2）的根。

例：求解方程x²-x-6=0的MATLAB程序为：

X=solve(x^2-x-6==0,x)

运行结果为：
在这里插入图片描述

老蔡的菜

关注

9
点赞
踩
49

收藏

觉得还不错? 一键收藏
0
评论
数据插值，拟合，方程求解的MATLAB实现

数据插值，拟合，方程求解的MATLAB实现一.简介二.数据插值1.实验数据的一维插值2.实验数据的二维插值三.数据拟合1.实验数据的拟合四.方程和方程组1.方程和方程组的求解一.简介在生产和科学实验中，自变量x与因变量y间的函数关系y=f(x)有时不能写成解析表达式的形式，而只能得到函数在若干点的函数值或导数值。有时表达式过于复杂而需要较大的计算量，从而只能计算函数在若干点的函数值或者导数值，当要求知道其它点的函数值时，需要估计函数在该点的值。为了完成这样的任务，需要改造一个比较简单的函数y=φ(x
复制链接

扫一扫