数值分析小论文
- 格式:doc
- 大小:293.50 KB
- 文档页数:9
牛顿迭代法及其应用[摘要]本文研究应用泰勒展开式构造出牛顿迭代法,论证了它的局部收敛性和收敛阶。
分别讨论了单根情形和重根情形,给出了实例应用。
最后给出了离散牛顿法的具体做法。
[关键词] 关键词:泰勒展开式,牛顿迭代法及其收敛性,重根,离散牛顿法。
1.牛顿法及其收敛性求方程f(x)=0的根,如果已知它的一个近似,可利用Taylor展开式求出f(x)在附近的线性近似,即,ξ在x与之间忽略余项,则得方程的近似右端为x的线性方程,若,则解,记作,它可作为的解的新近似,即(2.4.1)称为解方程的牛顿法.在几何上求方程的解,即求曲线y=f(x)与x轴交点.若已知的一个近似,通过点(,f())作曲线y=f(x)的切线,它与x轴交点为,作为的新近似,如图1所示图1关于牛顿法收敛性有以下的局部收敛定理.定理1设是f(x)=0的一个根,f(x)在附近二阶导数连续,且,则牛顿法(2.4.1)具有二阶收敛,且(2.4.2)证明由式(2.4.1)知迭代函数,,,而,由定理可知,牛顿迭代(2.4.1)具有二阶收敛,由式可得到式(2.4.2).证毕.定理表明牛顿法收敛很快,但在附近时才能保证迭代序列收敛.有关牛顿法半局部收敛性与全局收敛定理.此处不再讨论.例1用牛顿法求方程的根.,牛顿迭代为取即为根的近似,它表明牛顿法收敛很快.例2设>0,求平方根的过程可化为解方程.若用牛顿法求解,由式(2.4.1)得(2.4.3)这是在计算机上作开方运算的一个实际有效的方法,它每步迭代只做一次除法和一次加法再做一次移位即可,计算量少,又收敛很快,对牛顿法我们已证明了它的局部收敛性,对式(2.4.3)可证明对任何迭代法都是收敛的,因为当时有即,而对任意,也可验证,即从k=1开始,且所以{}从k=1起是一个单调递减有下界的序列,{}有极限.在式(2.4.3)中令k→∞可得,这就说明了只要,迭代(2.4.3)总收敛到,且是二阶收敛.在例2.4的迭代法(3)中,用式(2.4.3)求只迭代3次就得到=1.732 051,具有7位有效数字.求非线性方程f(x)=0的根x*,几何上就是求曲线y=f(x)与x轴交点x*,若已知曲线上一点过此点作它的切线。
数值分析毕业论文数值分析毕业论文数值分析是一门研究利用计算机和数学方法解决实际问题的学科。
在现代科学和工程领域中,数值分析扮演着重要的角色。
数值分析毕业论文是数值分析专业学生完成学业的重要组成部分,也是展示他们研究能力和学术水平的重要机会。
一、选题数值分析毕业论文的选题是非常重要的。
一个好的选题能够体现学生的研究兴趣和专业知识,并且具备一定的研究价值和实际应用意义。
选题应该能够解决实际问题或者填补学术空白,同时也要符合自身的研究能力和时间限制。
二、文献综述在开始撰写毕业论文之前,进行文献综述是必不可少的。
文献综述可以帮助学生了解当前研究的最新进展和研究方向,从而确定自己的研究方向和方法。
通过对相关文献的阅读和分析,学生可以了解前人的研究成果和不足之处,为自己的研究提供借鉴和启示。
三、问题陈述在毕业论文中,学生需要清晰地陈述自己研究的问题和目标。
问题陈述应该明确、简洁,并且具备一定的可行性和独创性。
学生需要解释为什么选择这个问题,并且说明解决这个问题的重要性和意义。
问题陈述是整个毕业论文的基础,也是读者了解研究内容的入口。
四、理论分析在毕业论文中,学生需要对所研究的问题进行理论分析。
理论分析是通过数学模型和方法来解决问题的过程。
学生需要运用数值分析的理论知识和方法,对问题进行建模和分析,并且给出相应的数学推导和证明。
理论分析是毕业论文的核心部分,也是学生研究能力的体现。
五、数值实验除了理论分析,毕业论文还需要进行数值实验。
数值实验是通过计算机模拟和仿真来验证理论分析的结果和方法的有效性。
学生需要编写相应的数值算法和程序,进行计算和分析,并且对结果进行解释和讨论。
数值实验是将理论知识应用到实际问题中的过程,也是毕业论文的重要组成部分。
六、结果讨论在毕业论文中,学生需要对数值实验的结果进行讨论和分析。
学生应该解释结果的意义和影响,并且与前人的研究成果进行比较和对比。
学生还可以提出自己对结果的解释和看法,并且指出研究中存在的不足之处和改进的方向。
齐齐哈尔大学《模糊数学》课程作业题目学院理学院专业班级信息与计算科学121班学生姓名杨志鹏课程作业成绩:2014年12月20日摘要高等学校助学金等级主要依据对学生家庭经济困难认定来评定的。
随着我国经济的发展,国家对高等学校贫困生助学金资助力度和覆盖面的加大,出现了给与不给助学金相差悬殊。
此外,家庭经济困难学生认定工作包含了太多的因素,而当前我国高校已经有的认定方法主要是定性的而不是定量的方法,这种方法存在一定程度的主观因素过强、信息不对等问题,不能解决出现的新问题。
目前各高校对贫困生认定方法主要有三类,横向比较界定法、消费水平界定方法和最低生活保障线比照界定法。
基于我国高校实践,共有十种具体认定方法,分别为三级证明法、相关困难证件法、班主任和辅导员评判、班委会选举产生、通过家庭经济情况直接认定、消费水平和饭卡监控法、居民最低生活保障线界定、根据贫困程度区分、署期家访和家庭问卷调研、设定贫困认定组、定期复查和抽查确立地方高等院校奖助学金评定中贫困生认定的量化模式,即在奖助学金评定中设定家庭贫困程度、学习成绩、德育表现和生活节俭程度四个指标,并对指标进行量化,然后对指标进行综合,该贫困生认定资助量化模式克服了评定人员的主观偏差,其操作简单易行、结果客观公正,具有较好的适用和推广价值。
关键词:助学金;模糊评价法;评定;应用模型的建立通过数学模型的方法帮助解决贫困生等级评定问题,将贫困生等级评定问题由定性转化为定量以使贫困生等级界定易于区分、评定工作易于实施,使资助政策更好地落实,充分体现“公平、公开、公正”的原则。
基于此,贫困生等级的判定可归为两大问题,问题一是建立合理的数学模型,定量化求出因素集中每个因素的影响程度,即因子权重矩阵。
因子权重的计算可以使用层次分析法,但是在本文中涉及的数据较多,考虑到本题中数据数据量大,可以从中随机抽样,随机抽样所得的数据近似服从正态分布,然后对样本进行直觉法评定样本中的贫困生等级,评定结果主要是用模糊数学统计法计算因素集的隶属度,与最后贫困生等级综合评定无关。
《数值分析与科学计算概述》研究第一章对象描述一、数值分析与科学计算的概念科学计算即数值计算,科学计算是指应用计算机处理科学研究和工程技术中所遇到的数学计算。
在现代科学和工程技术中,经常会遇到大量复杂的数学计算问题,这些问题用一般的计算工具来解决非常困难,而用计算机来处理却非常容易。
科学计算是一门工具性、方法性、边缘性的学科,发展迅速,它与理论研究和科学实验成为现代科学发展的三种主要手段,它们相辅相成又互相独立,在实际应用中导出的数学模型其完备形式往往不能方便地求出精确解,于是只能转化为简化模型求其数值解,如将复杂的非线性模型忽略一些因素而简化为可以求出精确解的线性模型,但这样做往往不能满足近似程度的要求,因此使用数值方法直接求解做较少简化的模型,可以得到满足近似程度要求的结果,使科学计算发挥更大的作用。
自然科学规律通常用各种类型的数学方程式表达,科学计算的目的就是寻找这些方程式的数值解。
这种计算涉及庞大的运算量,简单的计算工具难以胜任。
在计算机出现之前,科学研究和工程设计主要依靠实验或试验提供数据,计算仅处于辅助地位。
计算机的迅速发展,使越来越多的复杂计算成为可能。
利用计算机进行科学计算带来了巨大的经济效益,同时也使科学技术本身发生了根本变化:传统的科学技术只包括理论和试验两个组成部分,使用计算机后,计算已成为同等重要的第三个组成部分。
数值分析也称计算方法,它与计算工具发展密切相关。
是研究分析用计算机求解数学计算问题的数值计算方法及其理论的学科,是数学的一个分支,它以数字计算机求解数学问题的理论和方法为研究对象。
为计算数学的主体部分。
在电子计算机出现以前,计算工具只有算盘,算图,算表和手摇及电动计算机。
计算方法只能计算规模较小的问题。
数值分析的任务是研究求解各类数学问题的数值方法和有关理论的学科。
数值分析的过程为构造算法、使用算法、分析算法。
数值分析是研究数值问题的算法,概括起来有四点:第一,面向计算机,要根据计算机的特点提供切实可行的计算方法。
关于数值分析课程教学改革的探讨【摘要】本文针对目前数值分析课程教学中存在的主要问题,围绕如何提高数值分析课程的教学水平和教学质量,从教学方法和教学手段等方面对该课程的教学改革进行了探讨。
提出了数值分析教学改革的观点:将数学建模融入到数值分析的教学中;创新教学手段,建设网络课程平台;改革考核方式等具体措施。
【关键词】数值分析教学改革教学方法数值分析又名计算方法,它主要研究运用计算机解决数学问题的理论和方法,是一门与计算机密切结合、实用性很强的数学课程。
通过本课程的学习,使学生能够熟练掌握各种常用数值算法的构造原理和分析理论,在提高计算机操作能力的同时,培养学生的逻辑思维能力,提高学生解决实际问题的能力,对学生后续课程的学习和今后进一步从事科学研究均具有现实意义。
但在实际教学中出现了学生学习兴趣不够高,教学效果不够理想等现象。
因此,如何提高数值分析课程的教学水平和教学质量是一个值得研究的课题。
本文针对数值分析课程的教学改革进行了一些有益的探讨。
一、高校数值分析教学中普遍存在的问题1.理论知识与实际应用脱节当前该课程的教学方式只是较多地注重计算公式的推导,收敛性、稳定性等定理的证明,实验课上也只是针对具体算法进行程序实现,导致很多学生虽然理论知识、公式掌握了不少,但却不知道这些公式应该用在什么地方、怎么用。
2.教学手段相对滞后数值分析是一门与现代科学技术密切相关的学科,该课程中经常会出现繁琐的算法公式推导、复杂数值误差的计算以及大量的数据处理。
凭一支粉笔和一块黑板的传统教学模式显然已不能适应现代的教学需求,不仅教师讲的累,学生听的更累,而且很难收到比较好的教学效果。
现代科学技术要求采用现代教学手段。
因此,我们必须对数值分析的教学手段进行创新,只有这样才能提高学生学习数值分析课程的积极性,从而达到较好的教学效果。
3.重理论,轻实验数值分析是一门实践性和应用性很强的课程,它要求学生在学习理论的同时,要能将学习到的理论内容加以实践,最简单的就是将相关的算法在计算机上加以实践和应用,因此上机实验是数值分析课程的一个重要环节。
基于ABAQUS软件的混凝土柱的有限元分析摘要:有限元法是工程分析中广泛应用的数值计算方法,由于它的通用性和有效性,受到工程技术界的高度重视。
ABAQUS 软件是国际上公认的最好的CAE大型通用分析软件之一。
本文对有限单元法进行简单介绍并采用ABAQUS软件分析一混凝土柱的受力问题。
关键词:ABAQUS,混凝土柱,有限元分析1 有限元理论概述1.1 有限元法基本思想有限元法的基本思想是将连续的求解区域离散为一组有限个、且按一定方式相互联结在一起的单元组合体。
由于单元能按不同的联结方式进行组合,且单元本身可以有不同形状,因此可以模型化几何形状复杂的求解区域。
有限元法作为数值分析方法的一个重要特点是利用在每一个单元内假设的近似函数,分片地表示全求解域上待求的未知场函数,单元内的近似函数通常由未知场函数或其导数在单元的各个节点的数值和其插值函数表达。
这样,一个问题的有限元分析中,未知场函数或其导数在各个节点上的数值就成为新的未知量(即自由度),从而使一个连续的无限自由度问题变成离散的有限自由度问题。
一经求解出这些未知量,就可通过插值函数计算出各个单元内场函数的近似值,从而得到整个求解域上的近似解。
显然,随着单元数目的增加,即单元尺寸的缩小,或者随着单元自由度的增加及插值函数精度的提高,解的近似程度将不断改进,如果单元是满足收敛要求的,近似解最后将收敛于精确解。
1.2 有限元法分类1.2.1 线弹性有限元法线弹性有限元法以理想弹性体为研究对象,所考虑的变形建立在小变形假设的基础上。
在这类问题中,材料的应力与应变呈线性关系,满足广义胡克定律;应变与位移也是线性关系。
线弹性有限元问题归结为求解线性方程组问题,所以只需要较少的计算时间。
如果采用高效的代数方程组求解方法,也有助于降低有限元分析的时间。
线弹性有限元一般包括线弹性静力分析与线弹性动力分析两个主要内容。
学习这些内容需具备材料力学、弹性力学、结构力学、数值方法、矩阵代数、算法语言、振动力学、弹性动力学等方面的知识。
数值分析论文数值分析课程总结姓名:吴玉武学号:13121524 班级:数研1301目录第一章数值分析的历史背景 (2)1、背景 (2)2、发展历程 (3)第二章数值积分的主要方法 (3)1、牛顿-柯特斯求积公式 (3)2、梯形求积公式 (5)(1)梯形公式 (5)(2)复合梯形公式 (5)3、辛普森求积公式 (6)(1)辛普森公式 (6)(2)复合辛普森公式 (6)4、龙贝格求积公式 (6)(1)算法的基本思想 (6)(2)递推公式 (7)5、高斯求积公式 (7)(1)高斯型求积公式 (7)(2)常用的高斯型求积公式 (7)6、自适应求积方法 (8)7、振荡函数的积分方法 (8)8、奇异函数的积分 (9)(1)一个奇异点的函数 (9)(2)多个奇异点的函数积分方法10 第三章数值积分的应用 (10)第四章在学习过程中遇到的问题 (12)参考文献 (14)第一章 数值分析的历史背景 1、背景数值积分方法发展的前提是在17世纪以牛顿和莱布尼茨为首的一批数学家发展起来的微积分。
在最初的研究中,求解积分的方法便是找到求解原函数的方法,得到原函数,以此为基础解决其他问题。
但是在深入的研究中,逐渐发现一些函数的原函数求解极其困难,甚至无法表示出来,是超越函数,还有的根本没有原函数,比如对于延拓函数:sin ,0()1,0xx f x xx ⎧≠⎪=⎨⎪=⎩无法求出它的原函数,这时要求它的积分就无法使用牛顿-莱布尼茨公式了,解决积分的问题便受到阻碍。
这种情况下就需要寻求一种新的求积分的方法来解决这些问题了。
数值积分方法便在数学家们的需求下发展起来。
2、发展历程等距节点的多项式插值求积法的观点最早是1676年出现在Newton 给Leibniz 的一封信中。
1711年,Cotes在总结了牛顿的观点后,系统归纳了小于10个节点的插值求积方法,并发表了一篇相关论文。
1743年,Simpson发表他所研究的求积方法。
《常微分方程的数值解法》论文《常微分方程的数值解法》常微分方程(ODE)是研究物理过程的重要工具,其伴随着极大的应用价值。
当一个物理系统被简化为一个常微分方程,它就可以用于描述物理学中的各种现象。
但是,大多数现实系统的常微分方程未能得到解析解,因此,数值解法就变得非常重要。
本文将研究并比较几种常见的常微分方程数值解法,诸如Euler法、奇异点法、Runge-Kutta法、前向差分法等,以便更好地提供协助解决常微分方程。
首先,Euler法是常用的数值解法之一,它主要用于解决常微分方程模型。
其核心思想是将微分方程通过采用不断变化的步长对状态量求近似值,并通过预测下一步的值来求解微分方程,从而达到求解常微分方程的目的,且操作简单、容易理解。
但是,由于其步长的不动性,往往使得其精度较低,因此,当遇到复杂环境时,Euler法的表现就有些不尽如人意。
此外,另一种常见的数值解法是奇异点法。
此法将一个微分方程情况分解成多个分段函数,每一段函数都可以精确求解,从而可以求解复杂的微分方程。
它的特点是分段的每一部分的精度和复杂度都较低,而且运行效率也较快,但是,奇异点法的精度需要在段间合理设定,然后再进行微调,以保证数值模拟的准确性。
其次,Runge-Kutta法是一种常用的数值解法,它可以有效地求解一些常微分方程,其原理是利用积分函数插值,然后利用积分函数求近似值,最后根据边界条件求取解析结果。
Runge-Kutta法的步长可以随着计算过程的进行而逐步变化,这样可以使得误差得到有效控制,而且可以有效地控制误差,保证算法精度,但是由于其计算效率较低,因此在求解复杂的常微分方程时,Runge-Kutta法的表现并不尽人意。
最后,前向差分法是一种求解常微分方程的数值解法,它利用求取未知函数的一阶导数和二阶导数的值,然后通过求解一次和二次中点差分的方式,从而得到数值解。
它的有点是能够得到较高的精确度,且即使步长变化时也可以控制误差,但前向差分法要求在微分方程中必须有高阶导数,这就要求微分方程是复杂的,除此之外,除了必须计算高次导数外,它的计算量也比较大。
数值分析小论文线性方程组的直接解法线性方程组的直接解法是指通过一系列的代数运算直接求解线性方程组的解。
线性方程组是数值分析中非常重要的问题,广泛应用于工程、科学、计算机图形学等领域。
在线性方程组的直接解法中,最常用的方法是高斯消元法,它是一种基于矩阵变换的方法。
高斯消元法将线性方程组表示为增广矩阵,并通过一系列的行变换将增广矩阵转化为行阶梯形矩阵,从而得到方程组的解。
高斯消元法的主要步骤包括消元、回代和得到方程组的解。
消元是高斯消元法的第一步,通过一系列的行变换将增广矩阵的元素转化为上三角形式。
在消元过程中,我们首先找到主元素,即矩阵的对角线元素,然后将其它行的元素通过消元操作转化为0,从而使得矩阵逐步变成上三角形矩阵。
回代是高斯消元法的第二步,通过一系列的回代操作求解线性方程组。
回代操作是从上三角形矩阵的最后一行开始,通过依次求解每个未知数的值,最终得到方程组的解。
高斯消元法的优点是算法简单易于实现,可以在有限的步骤内求解线性方程组,适用于一般的线性方程组问题。
但是高斯消元法也存在一些问题,例如当矩阵的主元素为0时,无法进行消元操作,此时需要通过行交换操作来避免这种情况。
另外,高斯消元法对病态矩阵的求解效果较差,容易引起舍入误差累积,导致解的精度下降。
在实际应用中,为了提高求解线性方程组的效率和精度,人们常常使用一些改进的直接解法,例如列主元高斯消元法和LU分解法。
列主元高斯消元法通过选择最大主元来避免主元为0的情况,进一步提高了求解线性方程组的精度。
LU分解法将矩阵表示为两个矩阵的乘积,从而将线性方程组的求解问题转化为两个三角形矩阵的求解问题,提高了求解效率。
综上所述,线性方程组的直接解法是一种基于矩阵变换的方法,通过一系列的代数运算求解线性方程组的解。
高斯消元法是最常用的直接解法之一,它简单易于实现,适用于一般的线性方程组问题。
在实际应用中,可以通过改进的直接解法来进一步提高求解效率和精度。
数值分析论文_范文数值分析是研究如何利用计算机以数值方法解决实际问题的一门学科。
它涉及到一系列的算法和技术,用于近似求解数学问题。
本文将就数值分析的基本概念和应用进行讨论。
首先,数值分析涉及到数值计算技术的研究和开发。
数值计算是一种近似计算的方法,通过将问题转化为可以在计算机上求解的形式,来获得近似解。
数值计算涉及到各种技术和算法,例如数值积分、数值微分、线性系统的求解等等。
这些方法都是通过逐步逼近问题的精确解来得到近似结果的。
其次,数值分析的应用十分广泛。
数值分析的方法可以应用于物理学、工程学、经济学等各个领域。
例如,在物理学中,数值分析可以用于模拟和求解复杂的物理现象,如流体力学、量子力学等。
在工程学中,数值分析可以用于解决结构力学、电磁场分析等问题。
在经济学中,数值分析可以用于建立数学模型来预测市场变化、评估经济政策等。
数值分析也面临一些挑战和困难。
首先,数值分析的结果往往是近似解,而不是精确解。
这就需要仔细评估结果的误差和收敛性。
其次,数值分析的计算量通常很大,需要高性能计算机和合理的算法设计。
还有,数值分析的应用通常需要对实际问题进行建模和参数设定,这就需要领域知识和数学建模的技巧。
总之,数值分析是一门研究如何利用计算机以数值方法解决实际问题的学科。
它涉及到数值计算的技术和方法,并应用于物理学、工程学、经济学等各个领域。
数值分析的应用面临一些挑战和困难,但随着计算机技术的进步和算法的改进,数值分析在实际问题中发挥的作用越来越大。
基于MATLAB曲线拟合对离散数据的处理和研究摘要:曲线拟合是数值分析中的一种普遍且重要的方法,求解拟合曲线的方法也有很多,这里主要介绍利用MATLAB曲线拟合工具箱对离散数据点做你和处理,并与利用最小二乘法求相应的拟合曲线的方法做对比,突出MATLAB曲线拟合工具箱的优点,并阐述了其适用的范围,最后通过利用MATLAB曲线拟合工具箱对实例中离散数据点的拟合来具体说明它的使用方法和优点。
关键字:数值分析;MATLAB;曲线拟合;最小二乘法一问题探究在很多的实际情况中,两个变量之间的关系往往很难用具体的表达式把它表示出来,通常只能通过实际测量得到一些互不相同的离散数据点,需需要利用这些已知的数据点估计出两个变量的关系或工件的具体轮廓,并要得到任意未知数据点的具体数据,这个过程就需要用到拟合或差值方法来实现,这里主要讨论拟合的方法。
曲线拟合可以通过MATLAB编程来完成,通常为了达到更好的讷河效果需要做多次重复修改,对于非线性曲线拟合还需要编写复杂的M-文件,运用MATLAB曲线拟合工具箱来实现离散数据点的曲线拟合是一种直观并且简洁的方法。
二曲线拟合的最小二乘法理论假设给定了一些数据点(Xi,Yi),人们总希望找到这样的近似的函数,它既能反映所给数据的一般趋势,又不会出现较大的偏差,并且要使构造的函数与被逼近函数在一个给定区间上的偏差满足某种要求。
这种思想就是所谓的“曲线拟合”的思想。
曲线拟合和差值不同,若要求通过所有给定的数据点是差值问题,若不要求曲线通过所有给定的数据点,而只要求反映对象整体的变化趋势,拟合问题,曲线拟合问题最常用的解决方法是线性最小二乘法[1],步骤如下:第一步:先选定一组函数r1(x),r2(x),…,rm(x),m<n,令:F(x)=a1 r1(x)+a2r2(x)+…+amrm(x)其中a1,a2,…,a m为待定系数。
第二步:确定的准则(最小二乘法准则):使n个点(x i,y i)与曲线y=f(x)的距离δi 的平方和最小。
记 J(a1,a2,…,a m)==]2=2问题归结为,求a1,a2,…,a m使J(a1,a2,…,a m)最小。
最小二乘法中如何选择数学模型很重要,用MATLAB解法曲线拟合问题通常有两种方法线性最小二乘法拟合和非线性最小二乘法拟合,对于两种方法的选择,要根据离散数据点位置关系来确定即首先将数据(Xi,Yi),i=1,2,…,n作图,通过直观判断确定。
线性最小二乘法通常是做多项式f(x)=a0+a1x1+…+a m x m拟合。
可利用已有的得程序a=ployval(x,y,m),其中m代表拟合多项式的次数。
多项式在x出y的值可用命令y=ployval(a,x)计算,做非线性最小二乘拟合时,应首先选择好适当的数学模型,如y=a,其中a,b为待定系数,此时可以把它转换成线性模型来计算,两边取对数得ln y=ln a +bx ,令Y=ln y ,记A=ln a ,于是有Y=A+bx ,求这个线性模型的最小二乘法问题。
另外一种方法就是直接采用非线性拟合问题函数lsqcurvefit 和lsqnonlin来计算,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M-文件的方式有所不同。
这些问题同样可以用MATLAB拟合工具箱[2]来实现,并且操作比较简单,误差等参数也能一目了然的观察到。
三 MATLAB曲线拟合工具箱MATLAB曲线拟合工具箱界面[3]是一个可视化的图形界面,具有强大的图形你和功能,其中包括:(1)可视化的展开一个或者多个数据集,并可用三点图来表示;(2)用残差和置信区间可视化的估计拟合结果的好坏;(3)通过其他界面还可以实现许多其他功能:比如输出、查看和平滑数据:拟合数据,比较拟合曲线和数据集:从拟合曲线中排除特殊的数据点:选定区间后可以显示拟合曲线和数据集。
它把计算,可视化和程序设计融合到一个交互的环境,在此环境中,利用强大的数值计算和图形功能,可高效求解一些复杂的工程问题及实现计算结果的可视化。
用MATLAB曲线拟合工具箱对离散数据进行拟合时,可使用MATLAB内部的库函数或用户自定义的方程对参数变量进行多项式、指数、有理数等形式的数据拟合。
四 MATLAB曲线拟合工具箱的应用举例在实际中,产品和工件的轮廓形状很难找到一个具体的数学表达式,通常只能通过实验或数学计算得到一些离散点及其上的数值点,此时就需要选择合适的数学模型对其进行曲线拟合,做出它的拟合曲线,从而估计出它的实际形状。
下面通过一个例子说明一下用MATLAB 曲线拟合工具箱对离散数据点进行曲线拟合,并与一般的方法作比较。
例1,已知机翼下轮廓上的数据如下表所示:表1 机翼下轮廓数据机翼长(x)0 3 5 7 9 11 12 13 14 15机翼宽(y)0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.4 1.6用这些数据拟合轮廓形状。
(1)用多项式最小二乘法编程方法:(分别用3次和4次进行拟合)。
>> x=[0,3,5,7,9,11,12,13,14,15];>> y=[0,1.2,1.7,2.0,2.1,2.0,1.8,1.2,1.4,1.6];>> A=polyfit(x,y,3)A =0.0013 -0.0523 0.5913 -0.0483>> z=polyval(A,x);>> plot(x,y,'k+',x,z,'r')同样的方法可以得到4次多项式拟合曲线,3次和4次得拟合的图像分别为:图1 三次拟合曲线图2 四次拟合曲线拟合得到的多项式分别为:f(x)=0.0013x3-0.0523x2+0.5913x-0.0483F(x)=0.0004x4-0.0099x3+0.0544x2+0.2767x+0.0214(1)用MATLAB曲线拟合工具箱计算:>> x=[0,3,5,7,9,11,12,13,14,15];>> y=[0,1.2,1.7,2.0,2.1,2.0,1.8,1.2,1.4,1.6];>>cftool进入拟合工具箱界面,然后点击Data按钮,在数据栏选择x和y界面分别为:图3 曲线拟合工具箱界面图4 “Data”对话框单击Create data set 按钮,然后单击Close 返回拟合工具箱界面,再单击Fiting 按钮,先选择3次拟合方法,即在Type of fit 中选择Ploynomial,然后在下面的选项中选择cubicploynomial(图5),单击Apply 进行拟合得到图像(图6);以及结果:Linear model。
Poly3:f(x) = p1*x^3 + p2*x^2 + p3*x + p4Coefficients (with 95% confidence boundsp1 = 0.00128 (-0.0008073, 0.003367)p2 = -0.05227 (-0.1001, -0.004396)p3 = 0.5913 (0.2892, 0.8934)p4 = -0.0483 (-0.5768, 0.4802)Goodness of fit:SSE: 0.2948R-square: 0.9143Adjusted R-square: 0.8714RMSE: 0.2217。
图5 “Fiting”对话框图6 3次拟合曲线从结果中可以看出,拟合得到的多项式:f(x)=0.0128x3-0.05227x2+0.5913x-0.0483,以及它的误差平方和SSE为0.2948,相关系数平方和R-square为0.9143,根的均方差RMSE 为0.2217。
若需要进行4次拟合,只需要Fiting中的New fit中选择4次多项式拟合就可以得到4次拟合图像和结果:所得拟合多项式为:F(x)=0.0003661x4-0.009906x3+0.05438x2+0.2767x+0.02141.误差平方和为0.1801。
用这两种方法所得的结果基本相同,显然4次比三次的拟合效果要好,并且用拟合工具箱求解更为方便直观。
图7 3次和4次多项式拟合下面在举一个非线性拟合的例子。
例2 用非线性拟合[6]的方法对下列一组数据进行拟合:快速静脉注射下的血药浓度数据t(h) 0.25 0.5 1 1.5 2 3 4 6 8c(μg/ml) 19.2118.1515.3614.112.989.327.455.243.01根据数据特点,选却数学模型:c(t)=a,其中,a、b是待定系数。
(1)编写M-文件:function f=curvefunl(x,tdata)F=x(1)*exp(-x(2))*tdata输入程序:tdata=[0.25,0.5,1,1.5,2,3,4,6,8];<<cdata=[19.21,18.15,15.36,14.10,12.89,9.32,7.45,5.24,3.01];<<x0=[20,0.1];<<x0=[0.2,0.05,0..05];X=lsqcurvefit(‘curvefunl’,x0,tdata,cdata)f=curvefunl(x,tdata)x=20.2413 0.2420f=19.0532 17.93.48 15.8911 14.0802 12.4757 9.7945 7.6894 4.7394 2.9211即c(t)=20.2413。
(2)用拟合工具箱计算:输入程序:>> tdata=[0.25,0.5,1,1.5,2,3,4,6,8];>> cdata=[19.21,18.15,15.36,14.10,12.89,9.32,7.45,5.24,3.01];>> cftool(tdata,cdata)打开拟合工具箱,在数据栏里选择数据,根据数据点的分布,选择Custom Equations ,然后在Custom Equations 中设置函数:c(t)=a后进行拟合,所得图像为:图8 非线性拟合拟合结果为:C(t)=20.24,与lsqucuevefit()函数方法结果相同。
由此看出拟合工具箱首先可以画出数据点的散点图,便于选择模型;其次操作简便,省去了复杂的编程工作,再次,结果以图像的和数据两种方式给出,直观形象,并且结果中还给出了判断拟合好坏的参数。
五结论本文给出了求离散数据点拟合曲线的MATLAB曲线拟合工具箱的方法,并与通常使用的利用拟合函数编程方法相比较,发现利用曲线拟合工具箱拟合曲线更加简捷和直观,并且可视性效果很好。