【数模】插值和拟合问题

---

前言

插值与拟合是一种基本的数据分析手段

---

一、插值

1. Lagrange插值法
   在节点给出节点基函数，然后做基函数的线性组合，组合系数为节点函数值的一种插值多项式
   

2. Newton插值法

龙格现象（Runge现象）

高次插值的Runge现象

插值多项式的次数越高，并不代表插值的精度越高
上述结论仅仅在插值多项式的次数超过7时，插值多项式会出现严重的振荡现象

避免Runge现象的常用方法

• 分段低次插值
  将插值区间分成若干个小区间，在小区间内用低次（二次、三次）插值，如样条函数插值
  

---

二、一维插值

命令格式

yi = interp1(x,y,xi,‘method’)
x,y为插值点，xi,yi为被插值点和插值结果，四者通常为向量
method:（插值方法）缺省为linear

• nearest 最邻近插值
• linear 线性插值
• spline 三次样条插值——每个区域构建三次多项式
• cubic 立方插值

matlab代码如下（示例）：

x=0:2：24;
y=[12 9 9 10 18 24 28 27 25 20 18 15 13];
x1=13;
y1=interp1(x,y,x1,'spline');
xi=0:1/3600:24;
yi=interp1(x,y,xi,'spline');
plot(x,y,'*',xi,yi);

matlab中提供了专门用于样条函数插值及相关计算的工具箱Spline Toolbox。

---

三、二维插值

命令格式

zi=interp2(x,y,z,xi,yi,‘method’)

• x,y,z为插值点，z为被插值函数在(x,y)处的值

• xi,yi为被插值点，zi为输出的插值结果，可理解为插值函数在(xi,yi)处的值

• x,y为向量，xi,yi为向量或矩阵，z和zi为矩阵

• method:（默认双线性插值）
  nearest——最邻近插值
  linear——双线性插值
  spline——双三次样条插值
  cubic——双立方插值

• plot3——空间曲线

• mesh——空间曲面（网格图）

• surf——空间曲面（表面图）

• contour——等高线
  

---

四、散乱点插值

matlab代码

x=[129 140 103.5 88 185.5 195 105.5 157.5 107.5 77 81 162 162 117.5];
y=[7.5 141.5 23 147 22.5 137.5 85.5 -6.5 -81 3 56.5 -66.5 84 -33.5];
z=[-4 -8 -6 -8 -6 -8 -8 -9 -9 -8 -8 -9 -4 -9];
[xi,yi]=meshgrid(75:0.5:200,-70:0.5:150);
zi=griddata(x,y,z,xi,yi,'cubic');
figure(1);
meshz(xi,yi,zi);
xlabel('X'),ylabel('Y'),zlabel('Z');
figure(2),contour(xi,yi,zi,[-5,-5],'b');
grid;
hold on;
plot(x,y,'+');
xlabel('X'),ylabel('Y');

hold on 表示多个图同时显示

---

五、拟合

用插值函数外推插值区间外的数据会产生较大误差，不宜用插值方法，应采取拟合方法
因为高次插值会出现Runge现象，使外推的数据出现巨大误差

拟合适用情形：

• 小样本预测
• 求导问题（求运动员运动速度：得到函数xy坐标，求导可得v）
• etc

---

1.曲线拟合问题

根据离散数据求数据间近似函数关系的问题
拟合问题与插值问题的区别

1. 插值函数过已知点，拟合函数不一定过已知点
2. 插值主要用于求函数值，拟合的主要目的使求函数关系，从而进行预测等进一步的分析
3. 某些特定问题既可用插值，也可用拟合

2.拟合的计算

需解决：

1. 线型的选择——根据专业知识和散点图确定线型
2. 线型中参数的计算——
   线性拟合的参数可采用最小二乘法计算
   非线性拟合的参数要采用Guass-Newton迭代法

3.matlab代码

① 多项式拟合
[a,S]=polyfit(x,y,n)

② 非线性拟合
[b,r]=polyfit(x,y,fun,b0,option)

x=1:16;
y=[4.00 6.40 8.00 8.80 9.22 9.50 9.70 9.86 10.00 10.20 10.32 10.42 10.50 10.55 10.58 10.60];
y1=@(b,t)b(1)*exp(-t/b(2))+b(3)*exp(-t/b(4))+b(5);
b0=[-1 1 -1 1 1];
a=nlinfit(x,y,y1,b0)
xp=1:0.1:16;
yp=y1(a,xp);
plot(x,y,'.k',xp,yp,'r'); 

ps：matlab编程进行拟合有较大不便

---

matlab拟合工具箱√

可进行更好更便捷的拟合
使用步骤：