python如何求函数的未知参数_python_matlab_样条插值求未知曲线的函数解析式

最新推荐文章于 2021-09-03 16:18:30 发布

weixin_39906192

最新推荐文章于 2021-09-03 16:18:30 发布

阅读量608

点赞数

文章标签： python如何求函数的未知参数

一、问题引入

对于给出如下的离散的数据点，现在想根据如下的数据点来推测x=5时的值，我们应该采用什么方法呢？

用于拟合样条函数的数据：

x f ( x)

3.02.5

4.51.0

7.02.5

9.00.5

我们知道在平面上两个点确定一条直线，三个点确定一条抛物线(假设曲线的类型是抛物线)，那么现在有四个点，我们很自然的会想到，既然两个点确定一条直线，那么最简单的方法就是，两个点之间连一条线，两个点之间连一条线，最后得到的一种折线图如下：这样我们只要确定x=5时的直线，把自变量的值带进去，就显然会得到预测的函数值。但是，这种方法显然具有很明显的缺陷：曲线不够光滑，连接点处的斜率变化过大。可能会导致函数的一阶导数不连续。那么我们应该如何解决这个问题呢？

二次样条的原理

我们会想到既然直线不行，那么我们就用曲线来近似的代替和描述。最简单的曲线是二次函数，如果我们用二次函数：aX^2+bx+c来描述曲线，最后的结果可能会好一点，下图中一共有4个点，可以分成3个区间。每一个区间都需要一个二次函数来描述，一共需要9个未知数。下面的任务就是找出9个方程。

如下图所示：一共有x0,x1,x2,x3四个点，三个区间，每个区间上都有一个方程。

1>曲线方程在节点处的值必须相等，即函数在x1,x2两个点处的值必须符合两个方程，这里一共是4个方程：

a1*x1^2+b1*x1+c1=f(x1)

a2*x1^2+b2*x1+c2=f(x1)

a2*x2^2+b2*x2+c2=f(x2)

a3*x2^2+b3*x2+c3=f(x2)

2>第一个端点和最后一个端点必须过第一个和最后一个方程：这里一共是2个方程

3>节点处的一阶导数的值必须相等。这里为两个方程。

2*a1*x1+b1=2*a2*x1+b2

2*a2*x2+b2=2*a3*x2+b3

4>在这里假设第一个方程的二阶导数为0：这里为一个方程：

a1=0

上面是对应的9个方程，现在只要把九个方程联立求解，最后就可以实现预测x=5处节点的值。

下面是写成矩阵的形式,由于a1=0，所以未知数的个数少了一个。

下面是二次样条的python实现，最后将结果绘制在图上。

1 importnumpy as np2 importmatplotlib.pyplot as plt3 from pylab importmpl4 """

5 三次样条实现：6 函数x的自变量为:3, 4.5, 7, 97 因变量为：2.5, 1 2.5, 0.58 """

9 x = [3, 4.5, 7, 9]10 y = [2.5, 1, 2.5, 0.5]11

13 """

14 功能：完后对三次样条函数求解方程参数的输入15 参数：要进行三次样条曲线计算的自变量16 返回值：方程的参数17 """

18 defcalculateEquationParameters(x):19 #parameter为二维数组，用来存放参数，sizeOfInterval是用来存放区间的个数

20 parameter =[]21 sizeOfInterval=len(x)-1;22 i = 1

23 #首先输入方程两边相邻节点处函数值相等的方程为2n-2个方程

24 while i < len(x)-1:25 data = init(sizeOfInterval*4)26 data[(i-1)*4] = x[i]*x[i]*x[i]27 data[(i-1)*4+1] = x[i]*x[i]28 data[(i-1)*4+2] =x[i]29 data[(i-1)*4+3] = 1

30 data1 =init(sizeOfInterval*4)31 data1[i*4] =x[i]*x[i]*x[i]32 data1[i*4+1] =x[i]*x[i]33 data1[i*4+2] =x[i]34 data1[i*4+3] = 1

35 temp = data[2:]36 parameter.append(temp)37 temp = data1[2:]38 parameter.append(temp)39 i += 1

40 #输入端点处的函数值。为两个方程, 加上前面的2n - 2个方程，一共2n个方程

41 data = init(sizeOfInterval * 4 - 2)42 data[0] =x[0]43 data[1] = 1

44 parameter.append(data)45 data = init(sizeOfInterval * 4)46 data[(sizeOfInterval - 1) * 4 ] = x[-1] * x[-1] * x[-1]47 data[(sizeOfInterval - 1) * 4 + 1] = x[-1] * x[-1]48 data[(sizeOfInterval - 1) * 4 + 2] = x[-1]49 data[(sizeOfInterval - 1) * 4 + 3] = 1

50 temp = data[2:]51 parameter.append(temp)52 #端点函数一阶导数值相等为n-1个方程。加上前面的方程为3n-1个方程。

53 i=1

54 while i <55 data="init(sizeOfInterval" x>

59 data[i * 4] = -3 * x[i] *x[i]60 data[i * 4 + 1] = -2 *x[i]61 data[i * 4 + 2] = -1

62 temp = data[2:]63 parameter.append(temp)64 i += 1

65 #端点函数二阶导数值相等为n-1个方程。加上前面的方程为4n-2个方程。且端点处的函数值的二阶导数为零，为两个方程。总共为4n个方程。

66 i = 1

67 while i < len(x) - 1:68 data = init(sizeOfInterval * 4)69 data[(i - 1) * 4] = 6 *x[i]70 data[(i - 1) * 4 + 1] = 2

71 data[i * 4] = -6 *x[i]72 data[i * 4 + 1] = -2

73 temp = data[2:]74 parameter.append(temp)75 i += 1

76 returnparameter77

80 """

81 对一个size大小的元组初始化为082 """

83 definit(size):84 j =0;85 data =[]86 while j <87 data.append j>

89 returndata90

91 """

92 功能：计算样条函数的系数。93 参数：parametes为方程的系数，y为要插值函数的因变量。94 返回值：三次插值函数的系数。95 """

97 defsolutionOfEquation(parametes,y):98 sizeOfInterval = len(x) - 1;99 result = init(sizeOfInterval*4-2)100 i=1

101 while i<102 result i>

105 result[(sizeOfInterval-1)*2]=y[0]106 result[(sizeOfInterval-1)*2+1]=y[-1]107 a =np.array(calculateEquationParameters(x))108 b =np.array(result)109 for data_x inb:110 print(data_x)111 returnnp.linalg.solve(a,b)112

113 """

114 功能：根据所给参数，计算三次函数的函数值：115 参数:parameters为二次函数的系数，x为自变量116 返回值：为函数的因变量117 """

118 defcalculate(paremeters,x):119 result=[]120 for data_x inx:121 result.append(paremeters[0]*data_x*data_x*data_x+paremeters[1]*data_x*data_x+paremeters[2]*data_x+paremeters[3])122 returnresult123

124

125 """

126 功能：将函数绘制成图像127 参数：data_x,data_y为离散的点.new_data_x,new_data_y为由拉格朗日插值函数计算的值。x为函数的预测值。128 返回值：空129 """

130 defDraw(data_x,data_y,new_data_x,new_data_y):131 plt.plot(new_data_x, new_data_y, label="拟合曲线", color="black")132 plt.scatter(data_x,data_y, label="离散数据",color="red")133 mpl.rcParams['font.sans-serif'] = ['SimHei']134 mpl.rcParams['axes.unicode_minus'] =False135 plt.title("三次样条函数")136 plt.legend(loc="upper left")137 plt.show()138

139

140 result=solutionOfEquation(calculateEquationParameters(x),y)141 new_data_x1=np.arange(3, 4.5, 0.1)142 new_data_y1=calculate([0,0,result[0],result[1]],new_data_x1)143 new_data_x2=np.arange(4.5, 7, 0.1)144 new_data_y2=calculate([result[2],result[3],result[4],result[5]],new_data_x2)145 new_data_x3=np.arange(7, 9.5, 0.1)146 new_data_y3=calculate([result[6],result[7],result[8],result[9]],new_data_x3)147 new_data_x=[]148 new_data_y=[]149 new_data_x.extend(new_data_x1)150 new_data_x.extend(new_data_x2)151 new_data_x.extend(new_data_x3)152 new_data_y.extend(new_data_y1)153 new_data_y.extend(new_data_y2)154 new_data_y.extend(new_data_y3)155 Draw(x,y,new_data_x,new_data_y)

二次插值

二次样条函数运行之后的结果如下，从图像中，我们可以看出，二次样条在函数的连接处的曲线是光滑的。这时候，我们将x=5输入到函对应的函数端中，就可以预测相应的函数值。但是，这里还有一个问题，就是二次样条函数的前两个点是直线，而且函数的最后一个区间内看起来函数凸出很高。我们还想解决这些问题，这时候，我们想是否可以用三次样条函数来进行函数的模拟呢？

三次样条的原理：

三次样条的原理和二次样条的原理相同，我们用函数aX^3+bX^2+cX+d这个函数来进行操作，这里一共是4个点，分为3个区间，每个区间一个三次样条函数的话，一共是12个方程，只要我们找出这12个方程，这个问题就算解决了。

1>内部节点处的函数值应该相等，这里一共是4个方程。

2>函数的第一个端点和最后一个端点，应该分别在第一个方程和最后一个方程中。这里是2个方程。

3>两个函数在节点处的一阶导数应该相等。这里是两个方程。

4>两个函数在节点处的二阶导数应该相等，这里是两个方程。

5>端点处的二阶导数为零，这里是两个方程。