数学建模方法总结

最新推荐文章于 2022-09-05 07:47:49 发布

欲扬yyds01

最新推荐文章于 2022-09-05 07:47:49 发布

阅读量714

点赞数 1

分类专栏：数学建模文章标签：数学建模

本文链接：https://blog.csdn.net/qq_53169429/article/details/119655935

版权

多元回归

以定量地描述某一现象和某些因素之间的函数关系，将各变量的已知值带入回归方程可以求出因变量的估计值，从而可以进行预测（多对一）

转化

非线性转化为线性

% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % 
% matlab模块介绍：
%   [beta,r]=nlinfit(x,y,'fun1',beta0);
%   beta即所要求的相关系数，
%   r为残差
%   x为数据的x轴坐标，n*m的矩阵存储，当x有多个时（x1,x2,x3...）,每组x为一列，x1为1列,x2为第二列，x3为第三列...组成n*m的矩阵
%   y为数据的y轴坐标,以列矩阵的方式存储
%   fun1为函数模型的表达式，一般要先确定该模型后在做非线性回回归，该函数一般用单独的.m文件存放,或者自己定义
%   beta0为多个相关系数初始值，该系数需要自己猜测，再从初值一步步迭代算出最终系数
% 
% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % 
clc
% 数据：
x=[1.5, 4.5, 7.5,10.5,13.5,16.5,19.5,22.5,25.5]';
y=[7.0,4.8,3.6,3.1,2.7,2.5,2.4,2.3,2.2]';  


%% 对数模型拟合：f(x) = b(1) + b(2)*log(x)
myfunc = inline('beta(1)+beta(2)*log(x)','beta','x');%三个参数分别为：函数模型(注意需要使用点除和点乘)，待定系数，自变量

beta0 = [0.2,0.2]';%待定系数的预估值,可固定不变

% beta为求得的相关系数
beta = nlinfit(x,y,myfunc,beta0);

figure;
plot(x,y,'.');
hold on%保证同时显示

x = 0:0.01:8;
y = beta(1)+beta(2)*log(x);

plot(x,y);
title('对数模型拟合');

%% 指数模型拟合：f(x) = b1*x^b2;
% myfunc = inline('beta(1)*x.^beta(2)','beta','x');%三个参数分别为：函数模型(注意需要使用点除和点乘)，待定系数，自变量
% 
% beta0 = [0.2,0.2]';%待定系数的预估值,可固定不变
% 
% % beta为求得的相关系数
% beta = nlinfit(x,y,myfunc,beta0);
% 
% figure;
% plot(x,y,'.');
% hold on%保证同时显示
% 
% x = 0:0.01:8;
% y = beta(1)*x.^beta(2);
% 
% plot(x,y);
% title('指数模型拟合');