您所在位置:网站首页 > 海量文档
 > 高等教育 > 微积分
数学建模培训之四--拟合与插值专题(hzd).doc69页
本文档一共被下载:次,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性,不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值,立即自动返金币,充值渠道很便利
幻灯片1
2014数学建模集训班
----拟合与插值专题
幻灯片2
一 引言
在大量的应用领域中,人们经常面临用一个解析函数描述数据(通常是测量值)的任务。对这个问题有两种方法。
一种是插值法,数据假定是正确的,要求以某种方法描述数据点之间所发生的情况。
另一种方法是曲线拟合。人们设法找出某条光滑曲线,它最佳地拟合数据,但不必要经过任何数据点。
本专题的主要目的是:了解插值和拟合的基本内容;掌握用Matlab求解插值与拟合问题的基本命令。
幻灯片3
二、拟合和插值
数据拟合主要是考虑到观测数据受随机观测误差的影响,进而寻求整体误差最小、能较好反映观测数据的近似函数y = f (x),此时并不要求所得到的近似函数y = f (x)满足
函数插值则要求近似函数y = f (x)在每一个观测点 处一定要满足
在这种情况下,通常要求观测数据相对比较准确,即不考虑观测误差的影响。
幻灯片4
内容提纲
1.拟合问题引例及基本理论
2.Matlab求解拟合问题
3.应用实例
4.插值问题引例及基本理论
5.Maltab求解插值问题
6.应用实例
幻灯片5
拟合问题
幻灯片6
在科学计算中经常要建立实验数据的数学模型。给定函数的实验数据,需要用比较简单和合适的函数来逼近(或拟合)实验数据。这种逼近的特点是:
(a) 适度的精度是需要的;
(b) 实验数据有小的误差;
(c) 对于某些问题,可能有某些特殊的信息能够用来选择实验数据的数学模型。
幻灯片7
曲 线 拟 合 问 题 的 提 法
已知一组(二维)数据,即平面上 n个点(xi,yi) i=1,…n, 寻求一个函数(曲线)y=f(x), 使 f(x) 在某种准则下与所有数据点最为接近,即曲线拟合得最好。 (最小二乘法)
y=f(x)
?i 为点(xi,yi) 与曲线 y=f(x) 的距离
幻灯片8
数据拟合基本方法
逼近离散数据的基本方法就是曲线拟合,常采用最小二乘拟合。
曲线拟合问题的数学描述是,已知一组(二维)数据 即平面上的n个点 互不相同。寻求一个函数(曲线)y = f (x),使f (x)在某种准则下与所有数据点最为接近,即曲线拟合得最好。
最小二乘拟合分为线性最小二乘拟合和非线性最小二乘拟合。
幻灯片9
拟 合 问 题 引 例 1
温度t(0C) 20.5 32.7 51.0 73.0 95.7
电阻R(?) 765 826 873 942 1032
已知热敏电阻数据:
求600C时的电阻R。
设 R=at+b
a,b为待定系数
幻灯片10
拟 合 问 题 引 例 2
求血药浓度随时间的变化规律c(t).
作半对数坐标系(semilogy)下的图形
MATLAB(aa1)
幻灯片11
3.1 线性最小二乘拟合
线性最小二乘法是解决曲线拟合问题最常用的方法,基本思路是,令
(1.1)
其中 是一组事先选定的线性无关
的函数, 是一组待定系数。寻求系数
使得 与 的距离 的平方和最小。这种准则称为最小二乘准则,其求系数
的方法称为线性最小二乘拟合方法。
幻灯片12
2、 函数组 的选取
面对一组数据 ,用线性最小二乘法作曲线拟合时,首要的、也是关键的一步是恰当地选取
如果通过机理分析,能够知道y 与x之间应该有什么样的函数关系,则 容易确定。
若无法知道y 与x之间的关系,通常可以将数据 作图,直观地判断应该用什么样的曲线去作拟合。
幻灯片13
人们常用的曲线有
(1)直线
(2)多项式
(3)双曲线(一支) ,拟合前作变量替换t=1/x,求解a1,a2较简单。
(4)指数曲线 ,拟合前作变量代换z=lny,t=1/x,则指数曲线转化为线性函数 ,求解a1,a2较简单。
幻灯片14
线性最小二乘拟合 f(x)=a1r1(x)+ …+amrm(x)中函数{r1(x), …rm(x)}的选取
1. 通过机理分析建立数学模型来确定 f(x);
2. 将数据 (xi,yi) i=1, …n 作图,通过直观判断确定 f(x):
幻灯片15
曲线拟合问题最常用的解法——线性最小二乘法的基本思路
第一步:先选定一组函数 r1(x), r2(x), …rm(x), m
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
用户名:
验证码:
匿名?
发表评论