最小二乘插值 matlab,【数学建模算法】(27)插值和拟合：最小二乘法

1.线性最小二乘法

曲线拟合问题的提法是，已知一组(二维)数据，即平面上的

个点

，

，

互不相同，寻求一个函数(曲线)

使

在某种准则下与所有数据点最为接近，即曲线拟合得最好。

线性最小二乘法是解决曲线拟合最常用的方法，基本思路是，令：

其中

是事先选定的一组线性无关的函数，

是待定系数

。拟合准则是使

，与

的距离

的平方和最小，称为最小二乘准则。

1.1.系数

的确定

记：

为求

使

达到最小，只需利用极值的必要条件

，得到关于

的线性方程组：

即：

记：

方程组(2)可表为：

当

线性无关时，

列满秩，

可逆，于是方程组(3)有唯一解：

1.2.函数

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

容易确定。若无法知道

与

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。人们常用的曲线有：

(1)直线：

(2)多项式：

(一般

，不宜太高)

(3)双曲线(一支)：

(4)指数函数：

对于指数曲线，拟合前需作变量代换，化为对

的线性函数。

已知一组数据，用什么样的曲线拟合最好，可以在直观判断的基础上，选几种曲线分别拟合，然后比较，看哪条曲线的最小二乘指标

最小。

2.最小二乘法的Matlab实现

2.1.解方程组方法

在上面的记号下，

Matlab中的线性最小二乘的标准型为：

命令为：

例1 用最小二乘法求一个形如

的经验公式，使它与下表所示的数据拟合。

19

25

31

38

44

19.0

32.3

49.0

73.3

97.8

解：编写程序如下

x=[19 25 31 38 44]';

y=[19.0 32.3 49.0 73.3 97.8]';

r=[ones(5,1),x.^2];

ab=r\y%求出最小二乘的系数

x0=19:0.1:44;

y0=ab(1)+ab(2)*x0.^2;

plot(x,y,'o',x0,y0,'r')

这里没有用任何函数，笔者也是第一次知道反斜杠可以直接算出最小二乘算法的系数。

2.2.多项式拟合方法

如果取

，即用

次多项式拟合给定数据，Matlab中有现成的函数：

a=polyfit(x0,y0,m)

其中输入参数

为要拟合的数据，

为拟合多项式的次数，输出参数

为拟合多项式

的系数

例2 某乡镇企业 1990-1996 年的生产利润如下表

年份

1990

1991

1992

1993

1994

1995

1996

利润(万元)

70

122

144

152

174

196

202

试预测1997年和1998年的利润：

解：做已知数据的散点图：

x0=[1990 1991 1992 1993 1994 1995 1996];

y0=[70 122 144 152 174 196 202];

plot(x0,y0,'*')

发现该乡镇企业的年生产利润几乎直线上升。因此，我们可以用

作为拟合函数来预测该乡镇企业未来的年利润。编写程序如下：

x0=[1990 1991 1992 1993 1994 1995 1996];

y0=[70 122 144 152 174 196 202];

a=polyfit(x0,y0,1)

y97=polyval(a,1997)

y98=polyval(a,1998)

求得

，预测1997年的利润为233.4286万元，1998年的生产利润是253.9286元。