多项式拟合

文章内容部分参考：建模算法入门笔记-多项式拟合（附源码） - 哔哩哔哩 (bilibili.com)

(9条消息) 数学建模——人口预测模型公有木兮木恋白的博客-CSDN博客数学建模人口预测模型

多项式拟合是数据拟合的一种，与插值有一定区别（插值要求曲线经过给定的点，拟合不一定经过给定的点）

介绍MATLAB中三种多项式拟合的方法——代码法、代码窗口法、窗口法。

根据这个例子进行三种方法的分析：给定以下点（1，9）（2，5）（3，4）（4，4）（5，2）（6，3）（7，2）（8，4）（9，9），要求进行多项式拟合，求出x=5.5、x=10时的y值。

分析之前要在matlab绘制散点图：

方法一：通过plot函数画离散点图

打开matlab，在命令行窗口中输入“x=[1 2 3 4 5 6 7 8 9] y=[9 5 4 4 2 3 2 4 9]”创建离散点数据，需要注意x,y长度一致

然后输入plot(x,y,’r.')，其中r是代表红色，后面的点是绘制的离散点形状，如图：

方法二：通过scatter函数画离散点图

在命令行窗口中输入“scatter(x,y,'k*')”

可以由图看出，题目给点分布散乱，且x=5.5与x=10的点都不存在，这时需要拟合曲线，根据曲线的函数，求出对应的y值（x=5.5在所给x区间[1,9]内，这时求对应的y值为内插法，反之x=10在区间外，此时求y值为外插法。一般用拟合法求内插，外插法多为预测类。

一、代码法

---

MATLAB代码如下：（使用时只需修改部分数据即可）

x=[123456789];
​
y=[954423249];
​
z=polyfit(x,y,3);
​
xi=0:1:10;
​
yi=polyval(z,xi);
​
plot(xi,yi,x,y,'r*');

其中，z=polyfit(x,y,3);的3指拟合的最高次幂为3，该最高次幂需要不断调整，以得出最佳拟合方案。

据图可以读出，x=5.5时y约为2，x=10时y约为13.5

该方法较为简便，但是需要自行修改、调整函数系数，而且不能得出拟合曲线的具体函数值。

二、代码窗口法

---

先输入以下代码，绘出点图：

x=[123456789];
​
y=[954423249];
​
plot(x,y,'r*')

然后按下面的操作来即可：

一个是样条插值，一个是三次方拟合

不同的拟合方法对应的函数都不同，根据函数图像，估计对应的y值即可

三、窗口法

---

值得注意的是：上述两种方法都能方便地得到函数图像，但是却不能得到具体的拟合函数表达式。而窗口法却能快速得到表达式（但是有的表达式的系数是以概率表达的）。

首先输入给定的x值与y值：x=[1 2 3 4 5 6 7 8 9];y=[9 5 4 4 2 3 2 4 9];

再点击APP栏的Curve Fitting栏

令X data为x，Y data为y后，选择拟合方式即可，本图为一次线性拟合

三次拟合

图像左侧的Results栏是输出的函数表达式，注意其系数是按照概率选取的：

Linear model Poly3:
​
   f(x) = p1*x^3 + p2*x^2 + p3*x + p4
​
Coefficients (with 95% confidence bounds):
​
•    p1 =   0.03535 (-0.04166, 0.1124)
​
•    p2 =   -0.1407 (-1.308, 1.026)
​
•    p3 =   -1.795 (-6.95, 3.36)
​
•    p4 =    10.14 (3.856, 16.43)

具体的拟合函数表达式需要视所用的拟合方法的不同而定。

处理人口模型

---

1、假设

把人口增长看做是一个多项式函数

人口增长没有限制，可以一直增长

2、特点

已有数据拟合的很好，不论数据有没有规律可言

预测未来一两年比较准确，越往后越不准确

预测的人口数量在未来会超出人口限制，且增长速度变快

3、代码实现

以年份为x轴变量，当年人口为y轴变量，将两者进行拟合得到人口数模型与时间的关系式，选取某城市2008到2019年老年人口数量进行模拟测试

首先是将已有的数据拟合成一条曲线，过程代码如下所示

close
​
clc;
​
clearall      %清除所有
​
n=5;%拟合多项式的次数
​
year=2008:2019;
​
num=[97.42102.36  105.78  111.16  116.04  121.71  126.26  134.93  137139141.89146];%户籍人口;
​
p5= polyfit(year,num,n);    %5阶拟合 
​
%绘制原始数据和拟合曲线图
​
figure(1)
​
holdon;
​
xlabel('year');   %设置横坐标名
​
ylabel('num');   %设置纵坐标名
​
title('2008-2019人口增长曲线');  %设置标题
​
gridon   %网格线
​
plot(year,num,'r*',year,polyval(p5,year))
​
legend('人口数量','拟合曲线')

然后预测未来几年的人口增长数

figure(2)
​
year1=2008:2025;
​
plot(year1,polyval(p5,year1))
​
people=polyval(p5,year1);
​
legend('人口预测数量')