matlab初值的非线性最小二乘,Matlab与Mathematica在非线性拟合中的应用比较

摘 要

文章简单介绍了Matlab与Mathematica的拟合函数功能，并通过具体例子的数据，分别利用Matlab与Mathematica进行了非线性拟合，对比了它们的应用办法，分析了各自的特点。关键词

数据拟合；Matlab；Mathematica；内建函数

Matlab与Mathematica是两种常用的数学软件。Matlab具备卓越的数值计算能力，还提供了专业水平的符号计算，文字处理，可视化建模仿真和实时控制等功能。Matlab的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似。Mathematica是一套整合数值以及符号运算的数学工具软件，提供了人们容易使用的顶级科学运算环境。Mathematica具有高阶的演算方法，以及丰富的数学函数库和庞大的数学知识库，让Mathematica在符号运算，逻辑推理等方面比Matlab做得更快更好，也可以提供精确的数值运算结果。对于很多问题的解决，这两种强大的计算软件都可以做到，但Mathematica比Matlab的操作界面更加简洁直观，输入形式也与传统数学公式相一致，这对于没有学过计算机语言的学生操作起来相对更为方便，Mathematica强大的函数库和知识库，使它可以用简单的函数解决问题。

这里我们就数据非线性拟合问题来比较两种软件的应用。

以全国大学生数学建模竞赛2004C题饮酒驾车的数据为例，利用房室模型分析后可建立微分方程组，求得结果为：人若在短时间内喝的酒，则血液中的酒精含量y与距离喝酒时间t的函数关系为

y=A(e -αt -e -βt )

其中，A，α，β为待定参数。假设一体重为70公斤的人短时间内喝下两瓶啤酒后，隔一定时间测量他的血液中酒精含量(毫克／百毫升)，得到数据为：

根据表中数据确定参数A，α，β的值。

这里，我们分别利用M a t l a b 与Mathematica的内建函数进行数据拟合，比较他们在使用上的异同，便于大家根据自身实际选择适合自己的数学软件。

首先，我们分别用Matlab与Mathematica 做出数据的散点图。

在Matlab命令窗口中，分别定义横坐标t，纵坐标y，以“!”绘出散点图像。

>> t = [ 0.25，0.5，0.75，1，1.5，2，2.5，3，3.5，4，4.5，5，6，7，8，9，10，11，12，13，14，15，16 ]；

>> y = [ 30，68，75，82，82，77，68，68，58，51，50，41，38，35，28，25，18，15，12，10，7，7，4 ]；

>> plot = ( t，y，/□)

即可绘制出带坐标的散点图。

在Mathematica的NoteBook中输入数据，按照坐标对形式输入数据，用内建函数

Matlab与Mathematica在非线性拟合中的应用比较

郑丽 李亮 陈宇

邯郸职业技术学院基础部，河北 邯郸 056001

ListPlot将数据绘制散点图。

In[1]:= data=

pg=ListPlot[data]

就可以输出的带坐标的散点图。

当数据需手动输入时，Mathematica可以随时将录入错误的数据加以修正，而在Matlab命令窗口中，如果需要修正数据，就必须调出已输入过的数据再加以修改，查找起来不如Mathematica方便。作图时Matlab使用绘图命令plot = ( t，y，/□)，而Mathematica用ListPlot[data]，两种软件绘图操作都很方便。

其次，利用软件的内建函数对此数据进行非线性拟合，做出比较。

用Matlab的内建函数对参数求解，可调用最小二乘拟合函数lsqcurvefit( )，先定义非线性函数fun.m文件：

function y = fun(a，t)

y =a(3)*exp(-a(1)*t)-*exp(-a(2)*t))

这里a(1)为α，a(2)为β，a(3)代表A，即为y=A(e -αt -e -βt )。

在命令窗口中运行以下命令：

>> t = [ 0.25，0.5，0.75，1，1.5，2，2.5，3，3.5，4，4.5，5，6，7，8，9，10，11，12，13，14，15，16 ]；

>> y = [ 30，68，75，82，82，77，68，68，58，51，50，41，38，35，28，25，18，15，12，10，7，7，4 ]；

>> a = lsqcurvefit(/fun，[0.2；2；100]，t，y)

a =

0.1855 2.0079 114.4329

即α=0.1855，β=2.0079，A=114.4329。根据拟合出的参数值将其代回，作出曲线图与散点图的对比图，可以看出，此曲线拟合程度较好。

函数lsqcurvefit是非线性最小二乘法拟合函数，使用格式为lsqcurvefit(fun，x0，xdata，ydata，…)，其中fun是要拟合的函数，x0是各参数的初值，xdata是横坐标，ydata是纵坐标。输入命令时，一般是随意取一组初值，再把算出来的值当作初值继续算，直到两者相差不大为止。如果改变初值，可能会导致给出的参数值产生较大改变。如将本例中初值分别设为0.1，10，79，则求得三个参数值分别为0.1855，2.0079，114.4332，结果变化不大。而当初值设为10，100，10时，求得三个参数值分别为0.1235，100.00，79.4943，改变较大。可见用函数lsqcurvefit做拟合时，初值选取具有不确定性。查看Matlab的帮助文档，nlinfit与lsqcurvefit同属于非线性最小二乘拟合，一

般来说都能得到比较接近的结果。但是由于nlinfit使用的是牛顿方法，在使用时也需要给出参数的初值，当问题对初值比较敏感时，不同的初值会导致差异较大。在本例中当初始值设为0.2，10，50时，用nlinfit也可以拟合，而当初值改为0.2，50，100时，非线性拟合命令nlinfit失效。由此可见，在Matlab 中用内建函数lsqcurvefit与nlinfit做非线性拟合时，对初值的依赖性是比较大的。当然，Matlab用于拟合的函数还有很多，基于软件Matlab的扩展性，在Matlab中还集成了一个拟合工具箱模块可以调用，功能十分强大。

下面我们在Mathematica的Notebook上，调用内建函数FindFit对数据进行非线性拟合，这里可以按照函数y=A(e -αt -e -βt )解析式直接进行定义。

In[3]:= modle =A(e -αt -e -βt )；

FindFit[data，modle，{ A，α，β}，t]

Out[4]= {A→114.433，α→0.185502，β→2.00794}

In[5]:= modle /.%

Out[5]= 114.433(-e -2.00794t +e -0.185502t )In[6]:= fitg = Plot[ %，{t，0，20}]； Show[ pg，fitg ]

在Out[7]中同样可以得到曲线图fitg与散点图pg的对比图。

在软件Mathematica中，可以按照函数y=A(e -αt -e -βt )的形式进行定义，便于查找与对照。这里对参数求解使用的内建函数格式为FindFit[data，expr，pars，vars]，其用途是求出参数pars的数值，给出关于自变量vars 的函数expr对data最佳拟合。表达式expr对参数可以线性或非线性依赖，在线性情况下，FindFit求出全局最优拟合，在非线性情况下，FindFit通常求出局部最优拟合。

通过对比分析，Mathematica与Matlab 都能方便快捷的进行数据拟合运算，计算结果完全一致。在录入数据及表达式方面，Mathematica比Matlab 界面更为直观，并且方便数据输入与命令修改。另外在Mathematica中，也可以直接输入α、β 、γ等希腊字母，函数表达式与常规书写一致，这对无编程基础的学生来说，操作与修改都很直观，便于查找计算结果。在拟合函数方面， Mathematica里有Fit和FindFit两种用于拟合的内建函数。Fit采用函数列表，用一个确定且有效的步骤找到产生最佳二乘拟合的函数线性组合。FindFit既能用于线性拟合，也能用于非线性拟合，通过搜索产生数据最佳拟合的参数值，可以设置选项参数选择所需的搜索精确度、最大迭代次数等，也可以通过设置 选择需要的内部运算方法，如Method QuasiNewton表示用牛顿方法，Method NMinimize表示用搜索全局极小值的办法。一般情况下，不必设置选项参数直接用FindFit拟合，系统会自动寻找最佳拟合方法求出参数值。Matlab里提供了fit，polyfit，nlinfit，lesqcurvefit等几类线性、非线性拟合函数，用函数lesqcurvefit或nlinfit进行非线性拟合时，需要选取初值，计算结果受初值影

DOI：10.3969/j.issn.1001-8972.2012.13.130