CSU_科学计算与数学建模_学习笔记（4）

科学计算与数学建模，郑洲顺老师
平台——学堂在线 https://www.xuetangx.com/course/CSU07011000630/5882763?channel=learn_title

首先，复习上节重点

问题的转化：用二阶导函数这一微分工具求出三次样条插值函数的方法，把解4n个未知数的问题进行了简化

+问题，如何解决测量误差的问题？
哪一个周期函数是靠近这些点的？思维从“插值”到“拟合”，而拟合函数类里面怎样找最好的？什么是最好的？标准？

常用的曲线拟合方法，最小二乘法

假设拟合函数，可以用一组基函数线性表示
对偏差（残差）进行代数的定义后，产生了如下三种“最佳拟合函数”标准：

+重点，第三种，平方后，把绝对值去掉
选择偏差平方和最小的方法—— 最小二乘法

线性最小二乘问题

函数表示为span{φ1，φ2,…, φn}，由一组基函数形成的函数空间,在这个空间中，找到偏差平方和最小的具体的那个函数
—— 最小二乘问题的最小二乘解

方法，确定基函数
根据平方和最小，求出拟合函数中的系数
高等数学求偏导，得到φ方程

驻点，并非最小值点
希望有唯一解，系数行列式不为零，需要满足一定的条件
—— 法方程系数中的n+1个m维向量线性无关

进一步讨论多项式拟合

令φ0 = 1， φ1 = x，。。。， φn= x^n
用代数多项式来拟合

得到相应的法方程组，解出方程

实例1，铝合金的含铝量和溶解温度的关系

第一步，把数据以几何形式在坐标纸上画出来
+pad绘图，决定用直线进行最小二乘拟合

第二步，确定函数，用直线来进行拟合，y=ax+b，建立法方程

第四步，解法方程组得到结果
+问题，求解完了就结束了吗？
直线中最好得，是全部函数中最好的吗？

如何评价？
用均方误差来评判好坏，得到5.164，再除以样本个数m，得到估计值
最后分析误差能不能接受—— 误差不能接受—— 换新的拟合函数

在很多实际工程中，会是线性最小二乘问题吗？

实例2，生成物浓度y%与化学反应时间t的数据表，建立y与t的关系

第一步，
根据实验数据和工程背景观察数据，当t趋于无穷大时，有一条渐近线；并且初始随着t的增加而上升，但上升速度由快到慢，t=0时反应未开始，y=0；

第二步，假设拟合函数
（1）双曲线，y = t/ (at+b)。 t趋于无穷时极限是1/a
问题，导致求解非线性方程组
+技巧
数学的思想，转换的方法—— 变量替换，转换为线性拟合的问题
（并非所有都能解决）
改写拟合函数 1/y = a + b/t 把1/y看作新变量y1. 1/t 看成t1
得到（a*，b*），把非线性的拟合问题求出

（2）y = ae^(b/t)，a>0, b<0
转化，lny = lna + b/t
y2 = lny, t2 = 1/t; 再次非线性——> 线性
数据表重新计算后代入数据——> 求出最小二乘拟合

• 自己画图，双曲线和e为底数的指数函数，以及为什么直觉的log不行？
  
  log函数在取向无穷大时，其极限也趋向无穷
  在此场景中不符合工程实际情况，不能用作拟合基函数

+问题，对拟合还有什么改进？
实验数据都同等重要吗？（数据质量问题）
地位，作用，精度？怎么区分
+权重

加权最小二乘法

比如做一辆车，通过限高两米的桥洞，那么汽车外观模型最高的那一点的重要性肯定远大于其他点
原来平方和最小，所有点重要性相同
现在给一组权重，（φk，φj）内积改变，形成新的法方程组
概述：赋权是不赋权的一般情况，反之特殊情况

求函数近似值的拟合算法

+问题，若m >> n+1，当n较大时，n>=7,法方程组往往是病态的。直接求解会有问题，如何转化？

去观察，法方程组
法方程的特点：对称矩阵

• 找到适当的一组基函数，系数矩阵里有足够多个零 最好，只有对角线元素不为零，转变为求n+1个一元一次方程（对角方程） 两个向量内积为零——
  向量正交 希望基函数具备性质：关于给定的点，只有自己和自己的内积>0

  正交函数组下，a0,…,ak表达式简单，非常好解

带权的正交多项式—— 其中的一种正交函数组

得到一组正交多项式

实例3，城市供水量预测的简单方法

1、插值办法
2、拟合办法

供水量增长率估计与数值微分

知道怎么变换的，未知函数的增长速率怎么样？（未知函数一阶导数）

用近似函数的微分来近似未知函数的微分
（1）插值型微分公式

• 我们希望（f(x) - φ(x)）的导数足够小，那么等效为一个函数足够小，导数足够小？ 不成立！
  即使能保证函数近似足够高，不能保证一阶近似值足够高

  用插值函数，在哪些点是足够准确的呢？

• 

• 余项的导数可分解为两部分 在节点处的导数作为节点处的未知函数的近似值，是可行的
  因为，ξ是关于x的函数，假如余项足够小，余项的导数第一项就足够小，
  而第二项含有ω(x)，是我们算的点和所有点的差值（见下图），当x为节点值时，余项的导数第二项为零，那么产生的误差只有第一项（附上节课截图，ω(x)代表了计算点和已知点的差值乘积）

• 

• 所以节点处插值函数一阶导数的截断误差为，上图余项导数求解后的第一项

当n=2时，有两点公式，插值点为x0、x1、x2
三点处的插值函数导数有：

+自己总结

• 原函数足够精确，导数不一定误差在可接受范围内；但是，从一阶导数的展开式中，可知，部分特殊节点能保证精确度
• 利用正交矩阵的性质来构造带权的正交多项式作为基函数，能简化计算过程
• 函数形状相似，不代表就能用作拟合函数
  如log函数图像，形状类似本章中的实例2，但是在极限处性质大相径庭，在以后的工作和学习中应该予以注意，抓住重点细节：经过的特殊点、函数极限等
• 可用均方误差来估计拟合模型产生的误差，并在模型构建完后，对误差可接受度进行估计，若不能被接受，进一步换新的拟合函数

+问题，那么插值多项式Pn(x)作为f(x)近似函数，还有什么用处呢？
——> 见后续