MATLAB实现数据插值

目录

一.理论知识

二.一维插值实例

三.二维插值实例 

四.基于父母的身高预测孩子身高的案例 

---

一.理论知识

所谓插值，顾名思义，插入数值。很多时候，我们仅有离散点上的数据，这时如果我们想要分析变量之间的函数关系，则无法实现。但如果通过插值处理，当精度足够高时，离散点便可以变成连续的曲线~这就是插值的实用意义。

如下是插值法的原理，大家看一下就好了

常见的插值法有4种：拉格朗日插值、分段线性插值、埃尔米特(Hermite)插值 、三次样条插值

二.一维插值实例

p = interp1 (x, y, new_x, 'spline');

如上的代码即可实现一维插值，不同插值方式只需要修改第4个参数即可。

已知人口数：

年份	人口(万）
2009	133126
2010	133770
2011	134413
2012	135069
2013	135738
2014	136427
2015	137122
2016	137866
2017	138639
2018	139538

 

x=2009:1:2018;
y=[133126
133770
134413
135069
135738
136427
137122
137866
138639
139538
];
new_x=2009:0.1:2018;
p = interp1 (x, y, new_x, 'spline');
plot(new_x,p)

三.二维插值实例 

首先分享一个沙盘制作问题：

实现代码：

z=[2000,2000,2001,1992,1954,1938,1972,1995,1999,1999;2000,2002,2006,1908,1533,1381,1728,1959,1998,2000;2000,2005,2043,1921,977,897,1310,1930,2003,2000;1997,1978,2009,2463,2374,1445,1931,2209,2050,2003;1992,1892,1566,1971,2768,2111,2653,2610,2121,2007;1991,1875,1511,1556,2221,1986,2660,2601,2119,2007;1996,1950,1797,2057,2849,2798,2608,2303,2052,2003;1999,1999,2079,2685,3390,3384,2781,2165,2016,2000;2000,2002,2043,2271,2668,2668,2277,2049,2003,2000;2000,2000,2004,2027,2067,2067,2027,2004,2000,2000];
x=0:200:1800;
y=x'
surf(x,y,z);

如上图，未经二维插值处理的图像表面很粗糙。

x1=0:100:1800;
y1=x1';
z1=interp2(x,y,z,x1,y1,'spline');
surf(x1,y1,z1)

 

而经过插值处理后， 表面变得光滑。

如上图，进一步提高插值精度（为上一张的2倍精度），表面变得更加光滑。

 再来看另一个例子，如下图是一个关于油耗数值的散点图：

经过插值处理，三维图变得光滑（数据找不到了唉~，大家只要会套用代码就行）

x1=10:1:120;
n1=interp1(x,y1,x1,'spline');
n2=interp1(x,y2,x1,'spline');
n3=interp1(x,y3,x1,'spline');


figure(1)
plot(x1,n1);
hold on
plot(x1,n2);
hold on
plot(x1,n3);
hold off

拓展：n维数据的插值：

% n维数据的插值
x = -pi:pi; y = sin(x); 
new_x = -pi:0.1:pi;
p = interpn (x, y, new_x, 'spline');
% 等价于 p = spline(x, y, new_x);
figure(3);
plot(x, y, 'o', new_x, p, 'r-')

四.基于父母的身高预测孩子身高的案例 

通过双亲的身高及孩子的身高，采用插值法计算目标男孩的身高。

首先通过随机数法，产生100个双亲平均身高的数据

count =100;
%样本总数
parent1=unifrnd(160,185,100,1);
%随机产生100个，父母平均身高在160cm——185cm的样本

接下来根据高尔顿的模型方程计算对应男孩的身高：

y= 0.8567+0.516*parent1;
%高尔顿的影响方程

接下来进行目标计算:首先提高数据精度，将值扩展到10000个样本；其次，假设父亲183cm，母亲164cm（均值为173.5），作为目标输入，进行计算：

count1=160:0.01:185;
son1=interp1(parent,son,count1,'spline');
%完成插值

最终在插值结果寻找173.5对应的项即可。

附加：对如下的数据实现插值

1	3	5	7	9	11	13	15
1913	1945	1920	2205	2260	2302	2385	2420
5.12	3.2	6.72	3.36	2.4	4.14	6.43	4.6
21.9	20	26.8	27.73	23.4	22.75	25.36	26.03
24.8	25.7	26.8	28	30.4	30	27.6	30.8
9.31	9.14	9.14	9.29	9.22	9.33	9.16	9.26
1.8	2.3	1.9	2.1	2.1	1.1	1.5	1.5
28	24	26	22	22	20	19	23
425.11	457.99	492.48	492.08	501.93	598.48	604.44	623.89
628.1	639.2	648.87	640.33	616.43	614.72	507.14	580
28	24	26	22	22	20	19	23
30.58	36.19	49.75	60.58	56.58	60.06	67.99	67.74

load Z.mat
x=Z(1,:); 
[n,m]=size(Z);

ylab={'周数','轮虫','溶氧','COD','水温','PH值','盐度','透明度','总碱度','氯离子','透明度','生物量'};  
disp(['共有' num2str(n-1) '个指标要进行插值。'])
disp('正在对一号池三次埃尔米特插值，请等待')
P=zeros(11,15);
for i=2:n
    y=Z(i,:);
    new_x=1:15;
    p1=pchip(x,y,new_x);
    subplot(4,3,i-1);
    plot(x,y,'ro',new_x,p1,'-');
    axis([0 15,-inf,inf])  
    %  xlabel('星期')
    ylabel(ylab{i})
    P(i-1,:)=p1;
end
legend('原始数据','三次埃尔米特插值数据','Location','SouthEast')%加上标注，注意要手动在图中拖动标注到图片右下角哦
P = [1:15; P]