2011数学建模matlab拟合

《2011数学建模matlab拟合》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数学建模与数学实验拟合实验目的实验内容2、掌握用数学软件求解拟合问题。1、直观了解拟合基本内容。1、拟合问题基本理论。2、用数学软件求解拟合问题。3、应用实例曲线拟合问题的提法已知一组（二维）数据，即平面上n个点（xi,yi)i=1,…n,寻求一个函数（曲线）y=f(x),使f(x)在某种准则下与所有数据点最为接近，即曲线拟合得最好。+++++++++xyy=f(x)(xi,yi)ii为点（xi,yi)与曲线y=f(x)的距离拟合与插值的关系函数插值与曲线拟合都是要根据一组数据构造一个函数作为近似，由于近似的要求不同，

2、二者的数学方法上是完全不同的。实例：下面数据是某次实验所得，希望得到X和f之间的关系？MATLAB(cn)问题：给定一批数据点，需确定满足特定要求的曲线或曲面解决方案：若不要求曲线（面）通过所有数据点，而是要求它反映对象整体的变化趋势，这就是数据拟合，又称曲线拟合或曲面拟合。若要求所求曲线（面）通过所给所有数据点，就是插值问题；最临近插值、线性插值、样条插值与曲线拟合结果：曲线拟合问题最常用的解法——线性最小二乘法的基本思路第一步:先选定一组函数r1(x),r2(x),…rm(x),m

3、r2(x)+…+amrm(x)（1）其中a1,a2,…am为待定系数。第二步:确定a1,a2,…am的准则（最小二乘准则）：使n个点（xi,yi)与曲线y=f(x)的距离i的平方和最小。记问题归结为，求a1,a2,…am使J(a1,a2,…am)最小。线性最小二乘法的求解：预备知识超定方程组：方程个数大于未知量个数的方程组即Ra=y其中超定方程一般是不存在解的矛盾方程组。如果有向量a使得达到最小，则称a为上述超定方程的最小二乘解。线性最小二乘法的求解定理：当RTR可逆时，超定方程组（3）存在最小二乘解，且即为方程组RTR

4、a=RTy的解：a=(RTR)-1RTy所以，曲线拟合的最小二乘法要解决的问题，实际上就是求以下超定方程组的最小二乘解的问题。其中Ra=y（3）线性最小二乘拟合f(x)=a1r1(x)+…+amrm(x)中函数{r1(x),…rm(x)}的选取1.通过机理分析建立数学模型来确定f(x)；++++++++++++++++++++++++++++++f=a1+a2xf=a1+a2x+a3x2f=a1+a2x+a3x2f=a1+a2/xf=aebxf=ae-bx2.将数据(xi,yi)i=1,…n作图，通过直观判断确定f(x)：

5、用MATLAB解拟合问题1、线性最小二乘拟合2、非线性最小二乘拟合用MATLAB作线性最小二乘拟合1.作多项式f(x)=a1xm+…+amx+am+1拟合,可利用已有程序:a=polyfit(x,y,m)2.对超定方程组可得最小二乘意义下的解。，用3.多项式在x处的值y可用以下命令计算：y=polyval（a，x）输出拟合多项式系数a=[a1,…am,am+1](数组)）输入同长度的数组X，Y拟合多项式次数即要求出二次多项式:中的使得:例对下面一组数据作二次多项式拟合1）输入以下命令：x=0:0.1:1;y=[-0.447

6、1.9783.286.167.087.347.669.569.489.3011.2];R=[(x.^2)'x'ones(11,1)]；A=Ry'MATLAB(zxec1)解法1．用解超定方程的方法2）计算结果：Ａ=-9.810820.1293-0.03171）输入以下命令：x=0:0.1:1;y=[-0.4471.9783.286.167.087.347.669.569.489.3011.2];A=polyfit(x,y,2)z=polyval(A,x);plot(x,y,'k+',x,z,'r')%作出数据点和拟合曲线

7、的图形2）计算结果：Ａ=-9.810820.1293-0.0317解法2．用多项式拟合的命令MATLAB(zxec2)1.lsqcurvefit已知数据点：xdata=（xdata1，xdata2，…，xdatan），ydata=（ydata1，ydata2，…，ydatan）用MATLAB作非线性最小二乘拟合Matlab的提供了两个求非线性最小二乘拟合的函数：lsqcurvefit和lsqnonlin。两个命令都要先建立M-文件fun.m，在其中定义函数f(x)，但两者定义f(x)的方式是不同的,可参考例题.lsqcur

8、vefit用以求含参量x（向量）的向量值函数F(x,xdata)=（F（x，xdata1），…，F（x，xdatan））T中的参变量x(向量),使得输入格式为:(1)x=lsqcurvefit(‘fun’,x0,xdata,ydata);(2)x=lsqcurvefit(‘fun’,x0,xdata,y