【转】利用matlab实现非线性拟合（三维、高维、参数方程）

利用matlab实现非线性拟合[三维、高维、参数方程]

0 前言

一般而言，通过已有的数据点去推导其它数据点，常见的方法有插值和拟合。插值适用性较广，尤其是线性插值或样条插值已被广泛的应用。但是通过已知的函数去拟合数据，是连接理论与实验重要的桥梁，这一点是插值无法替代的。

日常学习工作中，经常会遇到下面这种问题：想要用某个具体函数去拟合自己的数据，明明知道这个函数的具体形式，却不知道其中的参数怎么选取。本文就简单介绍一下matlab环境下，如何进行非线性拟合。

1 线性拟合

1.1 多项式拟合

多项式拟合就是利用下面形式的方程去拟合数据：
$$y=a+bx+c{x}^2+d{x}^3+\cdots$$
matlab中可以用 polyfit() 函数进行多项式拟合。下面举一个小例子：

对于已有的数据点，我们采用4阶多项式拟合。其中已知函数的的表达式为

y = 0.03 x^4 - 0.5 x^3 + 2 x^2 - 4

在此基础上添加了一些噪声点。拟合曲线依然采用 4 阶进行拟合，结果如下。

可以看到拟合曲线与理论曲线基本一致，说明这种方法能够较好的拟合出原始数据的趋势。

对于多项式拟合，不是阶数越多越好。

比如还是这个上面这个例子，阶数越多，曲线越能够穿过每一个点，但是曲线的形状与理论曲线偏离越大。所以选择最适合的才是最好的。

2 一维非线性拟合

2.1 简单的非线性拟合

前面介绍了线性的拟合方法。如果一个非线性方程，可以化为上面线性方程中公式中给出的样子，那么我们也可以套用线性的方法去求解。

比如下面的方程：
$$y=a\ast exp(-bx)$$
经过取对数变换，可以变为下面等效的线性形式：
$$lg(y)=lg(a)+b\ast (-x)$$
这样求出来之后，再反变换回去，就可以得到原方程的系数了。

2.2 matlab中Curve Fitting App

matlab 自带了一个 Curve Fitting App，它在 matlab 集成的 App 里面。

界面里常用的拟合方式都有，而且直接展示拟合效果，非常方便。非常适合鼠标直接拖拖拽拽点点点的操作方式。

2.3 matlab中非线性拟合的实现

2.3.1 fit()函数

matlab中，fit()函数是一个比较通用的用于函数拟合的函数。

对于非线性拟合，可以使用 fit() 函数中的 Nonlinear Least Squares 方法。其大概原理为，首先确定一个初始的点，计算该点的雅可比矩阵 J，来近似线性化的判断该点周围的趋势，并将这个点向更小的方向移动。

• 优缺点
  • 优点：它的优点就是非常的全面，可以用于各种种类的拟合。
  • 缺点：这个方法的一个缺点在于，对于初始点的选取非常敏感，最终结果只能在初始点附近的局部最小值点上，而不能保证全局最小值。

2.3.2 nlinfit()函数

相比于前面的fit()函数，nlinfit()函数是matlab专门的非线性拟合函数。对于非稳健估计，采用的是Levenberg-Marquardt（LM）方法，也叫阻尼最小二乘法。

对于稳健估计，采用的是Iteratively Reweighted Least Squares方法，也就是在Least Squares基础上，对每一个拟合点的权重进行调整的一种方法。这两者方法也都是基于雅克比矩阵的方法。

2.3.3 lsqnonlin()函数和lsqcurvefit()函数

lsqnonlin() 也是 matlab 中自带的一个非线性拟合函数。它给出了两种计算非线性拟合的方法，一种是比较经典之前介绍过的 LM 方法，一种是信赖域方法。

信赖域法（trust region reflective）是通过Hessian 矩阵，逐步试探邻域内的最小化，来求解问题的。相比较之前的那些雅克比相关的方法，信赖域法会占用更多内存和速度，所以适用于中小规模的矩阵。

lsqcurvefit()函数和lsqnonlin()内容上相似，只是引用格式上有所不同。

2.3.4 fsolve()函数

这也是一个求解非线性方程的函数，可以求解方程组或者矩阵形式，功能非常强大。默认的算法为trust-region-dogleg，俗称狗腿法，属于信赖域法。这里用到的功能比较基础，所以也不过多介绍了。

2.3.5 粒子群算法

说了那么多，发现逐渐从如何非线性拟合，陷入到了最优化的深坑里。

而且前面的那么多方法，很多都解决不了陷入到局部最优解的问题。实际上，这种问题如果进入了最优化领域，很多智能算法也可以被考虑进来。所以我也把粒子群PSO算法加入到了里面，尝试将结果收敛到全局最优解。

参考资料

[1] https://blog.csdn.net/weixin_42943114/article/details/116803379