拟合算法的简单应用

陌上花开 ~

已于 2022-07-27 23:14:22 修改

阅读量642

点赞数

分类专栏：数学建模文章标签：数学建模拟合算法

于 2021-07-15 22:43:09 首次发布

本文链接：https://blog.csdn.net/qq_45550375/article/details/118769304

版权

数学建模专栏收录该内容

14 篇文章 66 订阅

订阅专栏

例一

找出y和x之间的拟合曲线

Excel放入matlab矩阵里：
在这里插入图片描述
给出随机数生成的用法：

%（1）randi : 产生均匀分布的随机整数（i = int）  
%产生一个1至10之间的随机整数矩阵，大小为2x5；
s1 = randi(10,2,5);
%产生一个-5至5之间的随机整数矩阵，大小为1x10；
s2 = randi([-5,5],1,10);

%（2）rand: 产生0至1之间均匀分布的随机数
%产生一个0至1之间的随机矩阵，大小为1x5；
s3 = rand(1,5)
%产生一个a至b之间的随机矩阵，大小为1x5；  
% a + (b-a) * rand(1,5); 如：a,b = 2,5
s4 = 2 + (5-2) * rand(1,5)

%（3）normrnd:产生正态分布的随机数
%产生一个均值为0，标准差（方差开根号）为2的正态分布的随机矩阵，大小为3x4；
s5 = normrnd(0,2,3,4)

%（4）roundn—任意位置四舍五入
% 0个位 1十位  2百位 -1小数点后一位  
a = 3.1415
roundn(a,-2)    % ans   =  3.1400
roundn(a,2)     % ans   =  0

a =31415
roundn(a,2)     % ans  = 31400
roundn(5.5,0)   %6
roundn(5.5,1)   %10

clear;clc 
x = rand(30,1) * 10;  % x是0-10之间均匀分布的随机向量（30个样本）
y = 3 * exp(0.5*x) -5 + normrnd(0,1,30,1);

举个匿名函数的小例子

% z=@(x,y) x^2+y^2; 
% z(1,2) 
% ans =  5
% fplot函数可用于画出匿名一元函数的图形。
% fplot(f,xinterval) 将匿名函数f在指定区间xinterval绘图
% xinterval =  [xmin xmax] 表示定义域的范围

拟合代码：

clear;clc
load('D:\D其他\数学建模\拟合\代码和例题数据\data1')
plot(x,y,'o')
% 给x和y轴加上标签
xlabel('x的值')
ylabel('y的值')
n = size(x,1);% 矩阵x的行数
k = (n*sum(x.*y)-sum(x)*sum(y))/(n*sum(x.*x)-sum(x)*sum(x))
b = (sum(x.*x)*sum(y)-sum(x)*sum(x.*y))/(n*sum(x.*x)-sum(x)*sum(x))
hold on % 继续在之前的图形上来画图形
grid on % 显示网格线

f=@(x) k*x+b;
fplot(f,[2.5,7]);
legend('样本数据','拟合函数','location','SouthEast')

结果：
在这里插入图片描述
如何评价拟合的好坏，不再赘述（队友的事情咯😅）直接上代码：

% mean()是求均值的函数
y_hat = k*x+b; % y的拟合值
SSR = sum((y_hat-mean(y)).^2)  % 回归平方和
SSE = sum((y_hat-y).^2) % 误差平方和
SST = sum((y-mean(y)).^2) % 总体平方和
SST-SSE-SSR   % 5.6843e-14  =   5.6843*10^-14   matlab浮点数计算的一个误差
R_2 = SSR / SST  %拟合优度R^2

也可以用cftool
在这里插入图片描述
指数拟合：

我们在工具箱Generate Code一下，生成了：

function [fitresult, gof] = createFit(x, y)
%CREATEFIT(X,Y)
%  Create a fit.
%
%  Data for 'csp_test' fit:
%      X Input : x
%      Y Output: y
%  Output:
%      fitresult : a fit object representing the fit.
%      gof : structure with goodness-of fit info.
%
%  另请参阅 FIT, CFIT, SFIT.

%  由 MATLAB 于 15-Jul-2021 21:59:26 自动生成


%% Fit: 'csp_test'.
[xData, yData] = prepareCurveData( x, y );

% Set up fittype and options.
ft = fittype( 'poly1' );

% Fit model to data.
[fitresult, gof] = fit( xData, yData, ft );

% Plot fit with data.
figure( 'Name', 'csp_test' );
h = plot( fitresult, xData, yData );
legend( h, 'y vs. x', 'csp_test', 'Location', 'NorthEast', 'Interpreter', 'none' );
% Label axes
xlabel( 'x', 'Interpreter', 'none' );
ylabel( 'y', 'Interpreter', 'none' );
grid on

运行就可以出现图像+评估参数，放附录就好

例二

给出近2个世纪的美国人口统计数据(单位:百万人),请使用最下面给定的拟合函数预测后30年的美国人口

year = 1790:10:2000;
population = [3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76.0,92.0,106.5,123.2,131.7,150.7,179.3,204.0,226.5,251.4,281.4];

$x\left( t\right) =\dfrac{x_{m}}{1+\left( \dfrac{x_{m}}{3.9}-1\right) e^{-r\left( t-1790\right) }}$

$x_{m}$ 和 $r$ 是两个拟合参数, $t$ 表示年份, $x (t)$ 表示第 $t$ 年的人口

刚开始是这样：
在这里插入图片描述

Fit computation did not converge:
Fitting stopped because the number of iterations or function evaluations exceeded the specified maximum.

发现结果不收敛，改一下变量初始值就好了
在这里插入图片描述
Generate Code：

function [fitresult, gof] = createFit(year, population)
%CREATEFIT(YEAR,POPULATION)
%  Create a fit.
%
%  Data for 'csp_test' fit:
%      X Input : year
%      Y Output: population
%  Output:
%      fitresult : a fit object representing the fit.
%      gof : structure with goodness-of fit info.
%
%  另请参阅 FIT, CFIT, SFIT.

%  由 MATLAB 于 15-Jul-2021 22:23:28 自动生成


%% Fit: 'csp_test'.
[xData, yData] = prepareCurveData( year, population );

% Set up fittype and options.
ft = fittype( 'xm/(1+(xm/3.9-1)*exp(-r*(t-1790)))', 'independent', 't', 'dependent', 'x' );
opts = fitoptions( 'Method', 'NonlinearLeastSquares' );
opts.Display = 'Off';
opts.StartPoint = [0.0975404049994095 100];

% Fit model to data.
[fitresult, gof] = fit( xData, yData, ft, opts );

% Plot fit with data.
figure( 'Name', 'csp_test' );
h = plot( fitresult, xData, yData );
legend( h, 'population vs. year', 'csp_test', 'Location', 'NorthEast', 'Interpreter', 'none' );
% Label axes
xlabel( 'year', 'Interpreter', 'none' );
ylabel( 'population', 'Interpreter', 'none' );
grid on

加上预测后30年的代码：

clear;clc
year = 1790:10:2000;
population = [3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76.0,92.0,106.5,123.2,131.7,150.7,179.3,204.0,226.5,251.4,281.4];
% plot(year,population,'o')
% 调用createFit函数得到参数的拟合值和预测的效果
[fitresult, gof] = createFit(year, population)
t = 2001:2030;
% 列出拟合工具箱的数据
xm = 342.4;  r =  0.02735;
% 计算预测值（注意这里要写成点乘和点除,保证按照对应元素进行计算）
predictions = xm./(1+(xm./3.9-1).*exp(-r.*(t-1790)));  
figure(2)
plot(year,population,'o',t,predictions,'.')  % 绘制预测结果图