利用MATLAB进行数据的批量拟合和预测

利用MATLAB进行数据的批量拟合和预测

问题简介

首先，我得到了这样一组数据，横坐标是温度，纵坐标是位置，数据内容是某一变量随温度和位置的变化，如下：

我需要得到的是变量与温度和位置的具体关系，即输入某一个温度以及位置，能够得到变量的数值

初步判断

在进行具体的数据预测之前，我要首先确定这组数据应该用什么方式拟合。

1. 变量随温度的变化 ，如果数据量较小，Origin是一个不错的选择，因此，采用Origin进行绘图拟合来判断应该用什么样的方法预测。拟合结果如下：
   
   
   这个时候就可以看出来，温度和变量之间为线性关系，而位置和变量之间明显是非线性关系。
2. 利用Origin进行初步拟合 Origin作为一款优秀的数据处理软件，很适合作为数据的初步拟合，线性拟合较为简单，在此不进行赘述，在选择非线性拟合的时候，软件会根据我们选择的函数来提供预览，这里选择的函数是
   这个函数的拟合效果非常好，对-40 -20 0 20 40 60 温度下位置和变量值分别进行非线性拟合，从而在报表中得到拟合函数，这样，在特定温度下，就可以根据位置求出变量的数值
   3.接下来我们想要在每个温度下根据位置求出变量的数值，要知道，我们并不知道温度的数据间隔，因此是不可能在Origin中输入特定数据的，所以转用matlab进行计算。思路是：根据温度和变量之间的线性关系，得到特定温度间隔下的温度（温度间隔自定义）。然后对每一列数据进行拟合，就得到了某一温度下位置和变量的关系。此时输入位置，便可得到软件预测的变量。
   4.相关代码如下
   代码段1：

// position.m
%数据分析，可以得到特定温度下的变量随位置的关系(根据实验拟合数据编程)
T_up=input('温度上限：\n');T_down=input('温度下限：\n');T_bet=input('温度间隔：\n');%输入温度上下限，温度间隔
L=T_down:T_bet:T_up;T_long=length(L);
Data=zeros(11,T_long);
for i=1:11
    j=630+70*i;
    Data(i,1)=j;
end
for i=1:T_long
    T=T_down+(i-1)*T_bet;
    Data(1,i)=1023.54603-1.26571*T;
    Data(2,i)=1016.76825-0.88238*T