最小二乘法多元函数超曲面拟合问题
网上很多用最小二乘法拟合曲面的问题,但是最后给的例子都是拟合高维平面,本篇文章简单介绍用最小二乘法进行曲面拟合的方法,以二元函数的曲面逼近为例,用python实现,代码在文章最后。
一、最小二乘法
首先还是对最小二乘法的原理进行简单介绍:
考虑模型:
的辨识问题,式中z(k)和h(k)都是可观测数据,θ是待估参数,取准则函数:
极小化J(θ),求得θ的估计值,将使模型的输出最好的预报系统的输出。
将上式对θ求导,然后使导数等于零的时候取得的θ值即为参数矩阵的最优解,本篇文章中从头至尾忽略噪声项e(k)。推导过程我就不写了这个到处都是,直接写结果,参数矩阵θ的最优解为:
这里面要注意括号里必须是正则矩阵(即矩阵为非奇异,行列式的值不为0)
二、在拟合曲面时输入矩阵的选取
因为这篇文章是在二元函数的曲面方程拟合的情况下,多元的道理一样,自己去写参数多项式的项就可以了。
所以先假定两个输入值是x和y,z是函数