c语言 拟合非线性方程参数,非线性曲线拟合及参数修正 - 计算模拟 - 小木虫 - 学术 科研 互动社区...

cfdc6361174d9cfc8169daed13483a0c.gif

月只蓝

没有看见附件。

4a72197510ae63d029905a542de55c22.png

DICKYldg

引用回帖:

月只蓝 at 2015-08-24 16:30:45

没有看见附件。

X-Y        X          Y           Z

0.00         6.55         -0.05

2.14         6.52         -0.15

3.97         6.46         -0.19

6.99         6.21         -0.24

10.34 5.64 -0.11

12.06 5.01 -0.05

13.29 4.29 -0.05

14.73 2.50 0.01

15.31 0.56 0.03

15.39 -0.30 0.04

Y-Z        X                 Y           Z

0.00          6.55         -0.05

-0.37         6.49         0.57

-0.59         6.37         1.11

-0.73         6.18         1.52

-0.73         5.92         1.86

-0.52         5.53         2.18

-0.08         4.87         2.53

-0.02         3.62         2.90

-0.27         1.92         3.18

-0.38         -0.31 3.34

X-Z        X                   Y                  Z

15.39         -0.30         0.04

15.19         -0.26         0.45

15.08         -0.21         0.62

14.62         -0.20         0.97

12.37         -0.31         1.97

9.28                 -0.31         2.46

6.13           -0.31         2.88

4.23           -0.35         3.09

2.12                 -0.36         3.25

-0.38         -0.31         3.34

cfdc6361174d9cfc8169daed13483a0c.gif

月只蓝

引用回帖:

DICKYldg at 2015-08-25 09:04:15

X-Y        X          Y           Z

0.00         6.55         -0.05

2.14         6.52         -0.15

3.97         6.46         -0.19

6.99         6.21         -0.24

10.34 5.64 -0.11

12.06 5.01 -0.05

13.29 4.29 -0.05

14.73 2.50 0.01

15.31 0.56 0.03

...

把方程转化成 X=f(Y,Z)的形式:X=A*(1-(  (Y/B)^d2+(Z/C)^d3    )^(1/d4)  )^(1/d1);

均方差(RMSE): 1.11748708328542

残差平方和(SSE): 33.7169892953632

相关系数(R): 0.985207651478421

相关系数之平方(R^2): 0.970634116531626

决定系数(DC): 0.969200507881258

卡方系数(Chi-Square): 1.52335617137511

F统计(F-Statistic): 826.328039455181

参数        最佳估算

----------        -------------

d1                 2.1377109919367

d2                 2

d3                 2

d4                 1

====== 结果输出 =====

No        实测值x        计算值x

1        0        0.0000000

2        2.14        1.5230656

3        3.97        2.6914828

4        6.99        5.1412460

5        10.34        8.1580647

6        12.06        10.1960315

7        13.29        11.8392598

8        14.73        14.2971499

9        15.31        15.3366902

10        15.39        15.3738553

11        -0.37        0.0000000

12        -0.59        0.0000000

13        -0.73        0.0000000

14        -0.73        0.0000000

15        -0.52        0.0000000

16        -0.08        0.0000000

17        -0.02        0.0000000

18        -0.27        1.5689057

19        -0.38        0.0000000

20        15.19        15.2472193

21        15.08        15.1320693

22        14.62        14.7615031

23        12.37        12.5800199

24        9.28        10.6509498

25        6.13        8.1099556

26        4.23        6.1602903

27        2.12        3.7950657

w282h1122189_1440468079_876.png

附图1.png

cfdc6361174d9cfc8169daed13483a0c.gif

月只蓝

引用回帖:

DICKYldg at 2015-08-25 09:04:15

X-Y        X          Y           Z

0.00         6.55         -0.05

2.14         6.52         -0.15

3.97         6.46         -0.19

6.99         6.21         -0.24

10.34 5.64 -0.11

12.06 5.01 -0.05

13.29 4.29 -0.05

14.73 2.50 0.01

15.31 0.56 0.03

...

进一步计算了一下,还有更优的结果:

均方差(RMSE): 0.466900701480631

残差平方和(SSE): 5.88589915616383

相关系数(R): 0.997931906976635

相关系数之平方(R^2): 0.995868090962023

决定系数(DC): 0.994623401778732

卡方系数(Chi-Square): -2.32111071110964

F统计(F-Statistic): 6025.4720143209

参数        最佳估算

----------        -------------

d1                 1.22223726725742

d2                 2

d3                 1

d4                 0.393500450862805

====== 结果输出 =====

No        实测值x        计算值x

1        0        1.0508738

2        2.14        2.9301035

3        3.97        4.1287426

4        6.99        7.0160205

5        10.34        9.9033746

6        12.06        12.2981547

7        13.29        14.0374747

8        14.73        15.2907352

9        15.31        15.3896401

10        15.39        15.3897519

11        -0.37        0.0000000

12        -0.59        0.0000000

13        -0.73        0.0000000

14        -0.73        0.0000000

15        -0.52        0.0000000

16        -0.08        0.0000000

17        -0.02        0.0000000

18        -0.27        0.0000000

19        -0.38        0.0000000

20        15.19        15.3104054

21        15.08        15.2129287

22        14.62        14.8395012

23        12.37        11.9769946

24        9.28        9.2497334

25        6.13        5.8914776

26        4.23        3.6619361

27        2.12        1.5335086

w281h1122189_1440468828_760.png

附图2.png

4a72197510ae63d029905a542de55c22.png

DICKYldg

引用回帖:

月只蓝 at 2015-08-25 10:13:50

进一步计算了一下,还有更优的结果:

均方差(RMSE): 0.466900701480631

残差平方和(SSE): 5.88589915616383

相关系数(R): 0.997931906976635

相关系数之平方(R^2): 0.995868090962023

决定系数(DC): 0.9946 ...

你的这是通过什么软件进行的,如何实施的。我不止这一个数据,所以说我想知道如何来做。  拟合的结果跟文献中差的有点多。    老板说对三组数据分别拟合(把另一项当为0),然后对参数进行修正,但三组数据分别拟合的数据吻合的不好,手动调难以得到最优解。

cfdc6361174d9cfc8169daed13483a0c.gif

月只蓝

引用回帖:

DICKYldg at 2015-08-25 10:51:29

你的这是通过什么软件进行的,如何实施的。我不止这一个数据,所以说我想知道如何来做。  拟合的结果跟文献中差的有点多。    老板说对三组数据分别拟合(把另一项当为0),然后对参数进行修正,但三组数据分别拟合 ...

1stopt软件。

http://muchong.com/bbs/viewthread.php?tid=4586018

cfdc6361174d9cfc8169daed13483a0c.gif

月只蓝

引用回帖:

DICKYldg at 2015-08-25 10:51:29

你的这是通过什么软件进行的,如何实施的。我不止这一个数据,所以说我想知道如何来做。  拟合的结果跟文献中差的有点多。    老板说对三组数据分别拟合(把另一项当为0),然后对参数进行修正,但三组数据分别拟合 ...

拟合结果怎么样,是看拟合评价指标相关系数、决定系数的大小,如果文献的相关系数没有自己做的高,说明文献拟合结果不够优秀,文献给给的结果不一定就是最好的,特别随着算法的进步,很多文献拟合的算法已经落后。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
当前非线性拟合和多元拟合的工具较少,这是针对常用的拟合算法,开发的一款数据拟合为主的软件。包括线性拟合的各种算法,非线性拟合的各种算法,以及多元拟合的各种算法。其中提供了很多非线性方程的模型,以满足不同的需求,也可以制定自己所需要的指定非线性方程模型的,采用最先进的初始值估算算法,无需初始值就可以拟合自己想要的非线性方程模型各个模块的介绍如下。 1.线性拟合算法模块 根据最小二乘拟合算法,对输入的数据进行变量指定次方的拟合。同时可对自变量或因变量进行自然对数和常用对数的转换后再拟合。根据实际情况,开发了单调性拟合以针对各种定量分析的用途。同时开发了,针对一组数据,得到最高相关系数的自动拟合功能,由程序自动选择拟合次数以及自变量和因变量的数据格式。 2.非线性拟合算法模块 根据非线性方程的特点,开发了最先进的智能初始值估算算法,配合LM迭代算法,进行非线性方程拟合。只需要输入自变量和因变量,就可以拟合出所需要的非线性方程拟合相关系数高,方便快捷。并借助微粒群算法,开发了基于微粒群的智能非线性拟合算法,拟合方程的相关系数相当高,甚至会出现过拟合现象。 3.多元拟合算法模块 根据最小二乘算法的原理开发了多元线性拟合算法,同时开发了能够指定变元次数的高次多元线性拟合。由于多元变量的情况下函数关系复杂,采用高次多元线性拟合能有效提高拟合效果而不会出现过拟合现象。同时针对每个变元可能最合适的拟合次数不一定都一样,开发了自适应高次多元拟合算法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值