从零开始的数模学习（7）：插值方法（预测类模型）

Day-3

已于 2023-02-21 14:06:25 修改

阅读量2.4k

点赞数 1

分类专栏：从零开始的数模学习文章标签：学习

于 2022-03-08 15:49:13 首次发布

本文链接：https://blog.csdn.net/weixin_61823031/article/details/123342156

版权

从零开始的数模学习专栏收录该内容

18 篇文章 11 订阅

订阅专栏

1 插值方法

在工程和数学应用中，经常有这样一类数据处理问题，在平面上给定一组离散点列，要求一条直线，把这些点按次序连接起来称之为插值。已知n+1个点 $(x_{i},y_{i}) (i = 0,1,\cdots,n)$ ，下面求各种插值函数。

1.1 分段性插值

简单地说，将每两个相邻的节点用直线连起来，如此形成的一条折线九十分段线性插值函数，记做 $I_{n}(x)$ ，它满足 $I_{n}(x) = y_{i}$ ，且 $I_{n}(x)$ 在每个小区间 $[x_{i},x_{i+1}]$ 上是线性函数 $(i=0,1,\cdots,n)$ 。

$I_{n}(x)$ 可以表示为 $I_{n}(x) = \sum_{i=0}^{n}l_{i}(x)$ ，其中

$I_{n}(x)$ 有良好的收敛性，即对于 $x \in [a,b]$ ，有

$\lim_{x \to \infty} I(x) = f(x)$

用 $I_{n}(x)$ 计算x点的插值时，只用到x左右的两个节点，计算量与节点个数n无关。但n越大，分段越多，插值误差越小。实际上用函数表做差值计算时，分段线性插值就足够了，如数学、物理中用到的特殊函数表，数理统计中用的概率分布表等。

1.2 拉格朗日插值多项式

拉格朗日插值的基函数为

$l_{i}(x)$ 是n次多项式，满足

拉格朗日插值函数 $S(x)$

1.3 样条插值

许多工程技术中提出的计算问题对插值函数的光滑性有较高要求，如飞机的机翼外形，内燃机的进、排气门的凸轮曲线，都要求曲线具有较高的光滑程度，不仅要连续，而且要有连续的曲率，这就导致了样条插值的产生。

1.3.1 样条函数的概念

所谓样条（Spline）本来是工程设计中使用的一种绘图工具，它是富有弹性的细木条或金属条。绘图员利用它把一些已知点连接成一条光滑的曲线（称为样条曲线），并使连接点处有连续的曲率。三次样条插值就是由此抽象出来的。

数学上将具有一定光滑性的分段多项式称为样条函数。具体的说，给定区间 $[a,b]$ 的一个分划

如果函数 $S(x)$ 满足

（1）在每个小区间 $[x_{i}, x_{i+1}](i = 0, 1,\cdots,n-1)$ 上 $S(x)$ 是m次多项式；

（2） $S(x)$ 在 $[a,b]$ 上具有m-1阶连续导数。则称 $S(x)$ 为关于分划 $\Delta$ 的m次样条函数，其图形为m次样条曲线。

显然，折现是一次样条曲线。

1.3.2 三次样条插值

利用样条函数进行插值，即取插值函数为样条函数，称为样条插值。例如分段线性插值是一次样条插值。这里只介绍三次样条插值，即已知函数 $y=f(x)$ 在区间 $[a,b]$ 的n+1个节点

上的值 $y_{i} =f(x_{i})(i = 0,1\cdots,n-1)$ ，求插值函数 $S(x)$ ，使得

（1） $S(x_{i})=y_{i}(i = 0,1\cdots,n)$ ;

（2）在每个小区间 $[x_{i},x_{i+1}](i=0,1,\cdots,n-1)$ 上 $S(x)$ 是三次多项式，记为 $S(x_{i})$ ;

（3） $S(x)$ 在 $[a,b]$ 上二阶连续可微。

函数 $S(x)$ 称为 $f(x)$ 的三次样条插值函

在数学建模中，常用的是第一种。

1.4 Matlab插值工具箱

1.4.1 一维插值函数

Matlab中有现成的一维插值函数 interp1，语法为

其中，metho指定插值的方法，默认为线性插值。其值可为

所有的插值方法要求x0是单调的。

当x0为等距时可使用快速插值法，使用快速插值法的格式为‘*nearest’、'*linear'、

‘*spline’、‘*cubic’。

1.4.2 三次样条插值

        Matlab 中三次样条插值有如下函数
        y=interp（x0，y0，x，‘spline’）;
        y=spline(x0,y0,x);
        pp=csape(x0,y0,conds)；
        pp=csape(x0,y0,conds,valconds); y=fnval(pp,x);
        其中x0,y0是已知数据点，x是插值点，y是插值点的函数值。

        对于三次样条插值，提倡使用函数csape，csape的返回值是pp形式，要求插值点的函数值，必须调用函数fnval。
        pp=csape（x0，y0）使用默认的边界条件，即Lagrange边界条件。
        pp=csape(x0,y0,conds,valconds)中的conds指定插值的边界条件，其值可为
        complete‘ 边界为一阶导数，一阶导数的值在valconds参数中给出，若忽略valconds参数，则按缺省情况处理。

conds(i)=j的含义是给定端点i的j阶导数，即conds的第一个元素表示左边界的条件，第二个元素表示右边界的条件，conds=[2,1]表示左边界是二阶导数，右边界是一阶导数，对应的值由valconds给出。

1.4.3 二维插值

前面讲述的都是一维插值，即节点为一维变量，插值函数时一元函数（曲线）。若节点是二维的，插值函数就是二元函数，即曲面。如果在某区域测量了若干点（节点）的高程（节点值），为了画出较为精确的等高线图，就要先插入更多的点（插值点），计算这些点的高程（插值）。

（1）插值节点为网格节点

已知 $m\times n$ 个节点 $(x_{i},y_{j},z_{ij})(i = 1,2,\cdots,m;j=1,2,\cdots,n)$ ，且 $x_{1} < \cdots <x_{m};y_{1}<\cdots<y_{n}$ 。求点 $(x,y)$ 处的插值 $z$ 。

Matlab中有一些计算二维插值的命令。如 $z=interp2(x0,y0,x,y,'method')$ ，其中x0，y0分别为m维和n维向量，表示节点，z0为 $n\times m$ 维矩阵，表示节点值，x,y，为一维数组，表示插值点，x和y应该是方向不同的向量，即一个是行向量，另一个是列向量，z为矩阵，它的行数为y的维数，列数为x的维数，表示得到的插值，‘method’的用法同上面的一维插值。

如果是三次样条插值，可以使用命令 $pp=csape(\left \{x0 , y0\right \},z0,conds,valconds) , z=fnval(pp,\left \{ x,y \right \})$ ，其中x0，y0分别为m维和n维向量，z0为 $m\times n$ 维矩阵，z为矩阵，它的行数为x的维数，列数为y的维数，表示的到的插值，具体使用同一维插值。

（2）插值点为散乱节点

已知n个节点 $(x_{i},y_{i},z_{i})(i=1,2,\cdots,n)$ ，求该点 $(x,y)$ 处的插值z。

对于上述问题，Matlab中提供了插值函数griddata，其格式为

$ZI = griddata(x,y,z,XI,YI)$

其中x，y，z均为n维向量，指明所给数据点的横坐标、纵坐标和数座标。向量XI，YI是给定的网格点的横坐标和纵坐标，返回值ZI为网格（XI，YI）处的函数值。XI与YI应该是方向不同的向量，即一个是行向量，另一个是列向量。

Day-3

关注

1
点赞
踩
13

收藏

觉得还不错? 一键收藏
0
评论
从零开始的数模学习（7）：插值方法（预测类模型）

1 插值方法在工程和数学应用中，经常有这样一类数据处理问题，在平面上给定一组离散点列，要求一条直线，把这些点按次序连接起来称之为插值。已知n+1个点，下面求各种插值函数。1.1 分段性插值简单地说，将每两个相邻的节点用直线连起来，如此形成的一条折线九十分段线性插值函数，记做，它满足，且在每个小区间上是线性函数。可以表示为，其中有良好的收敛性，即对于，有...
复制链接

扫一扫