第3讲数学建模的插值法

格式：ppt
大小：744.50 KB
文档页数：33

下载文档原格式

第3讲数学建模的插值法

返回
8
分段线性插值
y o
Ln ( x ) y j l j ( x )
j 0 n

xj-1 xj xj+1 xn x
x0
x x j 1 , x j 1 x x j n越大，误差越小. x j x j 1 x x j 1 l j ( x) , x j x x j 1 lim Ln ( x) g ( x), x0 x x j x j 1 n 0, 其它 9
f (x, y) (ax b)(cy d)
其中有四个待定系数，利用该函数在矩形的四个顶点（插值节点）的函数值，得到四个代数方程，正好确定四个系数。返回
23
用MATLAB作网格节点数据的插值
z=interp2(x0,y0,z0,x,y,’method’)
被插值点的函数值
插值节点
计算量与n无关;
xn
例
1 g ( x) , 6 x 6 2 1 x
用分段线性插值法求插值,并观察插值误差.
1.在[-6,6]中平均选取5个点作插值(xch11)
2.在[-6,6]中平均选取11个点作插值(xch12)
3.在[-6,6]中平均选取21个点作插值(xch13)
4.在[-6,6]中平均选取41个点作插值(xch14) To MATLAB xch11，xch12， xch13，xch14
被插值点
插值方法
要求x0,y0单调； x，y可取为矩阵，或x取行向量，y取为列向量，x,y的值分别不能超出x0,y0 的范围。
‘nearest’ 最邻近插值 ‘linear’ 双线性插值 ‘cubic’ 双三次插值缺省时, 双线性插值

数学建模数学实验插值及案例

数学建模数学实验插值及案例在科学研究和工程实践中，数学建模扮演着至关重要的角色。

通过建立数学模型，我们可以对现实世界的现象进行模拟和预测。

其中，插值方法是一种重要的数学建模工具，用于估计在给定数据点之间的未知值。

本文将探讨插值方法的基础理论以及一个具体的数学实验案例。

插值方法是一种数学技术，通过在给定的数据点之间估计未知的值。

最常用的插值方法包括线性插值、多项式插值和样条插值等。

线性插值是最简单的插值方法，它将数据点之间的变化视为线性的，即变化率保持恒定。

多项式插值方法则通过构建一个多项式函数来逼近数据点的变化趋势。

样条插值则通过将数据点连接成平滑的曲线来进行插值。

本案例将利用多项式插值方法对房价进行预测。

我们收集了一组房屋价格数据，包括房屋的面积、房龄、位置等信息。

然后，我们使用多项式插值方法构建一个函数来描述房价与这些因素之间的关系。

通过调整多项式的阶数，我们可以控制模型的复杂性。

我们使用该模型来预测新的房价。

在本案例中，我们使用了200个样本数据进行训练，并使用另外100个数据点进行测试。

我们发现，通过增加多项式的阶数，模型的预测精度可以得到提高。

然而，当阶数增加到一定程度后，模型的性能改善不再明显。

我们还发现模型的预测结果对训练数据的分布非常敏感，对于分布偏离较大的新数据点，预测结果可能会出现较大误差。

通过本次数学实验，我们深入了解了插值方法在数学建模中的应用。

在实际问题中，插值方法可以帮助我们更好地理解数据的变化趋势和预测未知的值。

然而，插值方法也存在一定的局限性，如本实验中模型对训练数据分布的敏感性。

未来工作中，我们可以尝试采用其他更加复杂的模型，如神经网络、支持向量机等来提高预测精度。

我们还应充分考虑数据的分布特性，以提高模型的泛化能力。

插值方法是数学建模中的重要工具之一，它可以让我们更好地理解和预测数据的趋势。

通过本次数学实验，我们深入了解了多项式插值方法的工作原理和实现过程，并成功地将其应用于房价预测问题中。

数学建模插值与拟合

数学建模插值与拟合数据插值与拟合插值与插值函数：已知由(可能未知或⾮常复杂)产⽣的⼀批离散数据，且个互异插值节点，在插值区间内寻找⼀个相对简单的函数，使其满⾜下列插值条件：再利⽤已求得的计算任⼀⾮插值节点的近似值，这就是插值。

其中称为插值函数，称为被插函数。

最⼩⼆乘拟合：已知⼀批离散的数据，互不相同，寻求⼀个拟合函数，使与的误差平⽅和在最⼩⼆乘意义下最⼩。

在最⼩⼆乘意义下确定的称为最⼩⼆乘拟合函数。

1）Lagrange插值法a．待定系数法：假设插值多项式，利⽤待定系数法即可求得满⾜插值条件的插值函数。

关键在于确定待定系数。

b．利⽤基函数的构造⽅法⾸先构造个满⾜条件：的次插值基函数，再将其线性组合即可得如下的Lagrange插值多项式：其中c．Lagrange插值余项注：上述两种构造⽅法所得的Lagrange插值多项式是⼀样的，即满⾜插值条件的Lagrange插值多项式是唯⼀的。

2）分段线性插值作分段线性插值的⽬的在于克服Lagrange插值⽅法可能发⽣的不收敛性缺点。

所谓分段线性插值就是利⽤每两个相邻插值节点作线性插值，即可得如下分段线性插值函数：其中特点：插值函数序列具有⼀致收敛性，克服了⾼次Lagrange插值⽅法的缺点，故可通过增加插值节点的⽅法提⾼其插值精度。

但存在于节点处不光滑、插值精度低的缺点。

3）三次样条插值三次样条插值的⽬的在于克服Lagrange插值的不收敛性和提⾼分段线性插值函数在节点处的光滑性。

所谓三次样条插值⽅法就是在满⾜下列条件：a．b．在每个⼦区间上是三次多项式的三次样条函数中寻找满⾜如下插值条件：以及形如等边界条件的插值函数的⽅法。

特点：三次样条插值函数序列⼀致收敛于被插函数，因此可通过增加节点的⽅法提⾼插值的精度。

4）插值⽅法的Matlab实现⼀维数据插值MATLAB中⽤函数interp1来拟合⼀维数据，语法是YI = INTERP1(X,Y,XI,⽅法)其中（X，Y）是已给的数据点，XI 是插值点，其中⽅法主要有'linear' -线性插值，默认'pchip' -逐段三次Hermite插值'spline' -逐段三次样条函数插值其中最后⼀种插值的曲线⽐较平滑例：x=0:.12:1; x1=0:.02:1;y=(x.^2-3*x+5).*exp(-5*x).*sin(x);plot(x,y,'o'); hold on;y1=interp1(x,y,x1,'spline');plot(x1,y1,':')如果要根据样本点求函数的定积分，⽽函数⼜是⽐较光滑的，则可以⽤样条函数进⾏插值后再积分，在MATLAB 中可以编写如下程序：function y=quadspln(x0,y0,a,b)f=inline(‘interp1(x0,y0,x,’’spline’’)’,’x’,’x0’,’y0’);y=quadl(f,a,b,1e-8,[],x0,y0);现求six(x)在区间[0，pi]上的定积分，只取5点x0=[0,0.4,1,2,pi];y0=sin(x0);I=quadspln(x0,y0,0,pi)结果得到的值为 2.01905，精确值为2⼆元函数插值：MATLAB中⽤函数interp2来拟合⼆维⽹格（X，Y）上的数据Z，语法是YI = INTERP2(X,Y, Z，XI, YI，⽅法)其中（X，Y，Z）是已给的数据点，（XI，YI）是插值点坐标，其中⽅法主要有'linear' -线性插值，默认'pchip' -逐段三次Hermite插值'spline' -逐段三次样条函数插值其中最后⼀种插值的曲⾯⽐较平滑例：[x,y]=meshgrid(-3:.6:3,-2:.4:2);z=(x.^2-2*x).*exp(-x.^2-y.^2-x..*y);[x1,y1]=meshgrid(-3:.2:3,-2:.2:2);%⽣成⽹格，x1和y1均为同样size的矩阵z1=interp2(x,y,z,x1,y1,’spline’); %z1是矩阵，size 和x1，y1相同surf(x1,y1,z1);axis([-3,3,-2,2,-0.7,1.5]);-33如果数据不是在⽹格上取的，则可⽤函数griddata 来解决语法是YI = griddata(X,Y, Z ，XI, YI ，‘v4’)其中（X ， Y ，Z ）是已给的数据点，（XI ，YI ）是插值点坐标，其中除了⽅法‘v4’外还有 'linear' -线性插值，默认 'cublc' -逐段三次Hermite 插值 'nearest' 其中‘v4’⽅法⽐较好例x=-3+6*rand(200,1); %⽣成随机点的x坐标向量xy=-2+4*rand(200,1); %⽣成随机点的y坐标向量yz=(x.^2-2*x).*exp(-x.^2-y.^2-x.*y); % 上述点的样本值向量z[x1,y1]=meshgrid(-3:.2:3,-2:.2:2); %⽣成⽹格，x1和y1均为同样size的矩阵z1=griddata(x,y,z,x1,y1,’v4’);surf(x1,y1,z1);axis([-3,3,-2,2,-0.7,1.5]);⽣成的图类似上图。

数学建模插值方法

R n(x)f(x)P n(x)f(n (n 1)1 ())!n 1(x) 其中(a,b)且依赖于 x.
2021/10/10
8
例2.求过点(2,0)(4,3)(6,5)(8,4)(10,1)的拉格朗日型插值多项式。
解：用4次插值多项式对5个点插值
x0,y02 ,0,x1,y14 ,3 ,x2,y26 ,5, x3,y38 ,4,x4,y41 0 ,1 ,
Pn(xi) yi， i0,1, n. 这类问题称为插值问题。f ( x ) 称为被插值函数，P n ( x ) 称
为插值函数，x0,x1 xn 称为插值节点
2021/10/10
3
二、存在性与唯一性
定理1 设 x0,x1xn为给定的彼此互异的 n1个插值节点，则存在唯一的次数不超过 n的多项式 Pn (x) ，满足条件
插值与拟合
2021/10/10
1
前言
函数是多种多样的，在科研与工程实际中有的函数表达式过于复杂而不便于计算，但又需要计算多点的函数值；有的函数甚至给不出数学式子，只能通过实验和测量得到一些离散数据（如某些点的函数值和导数值）。面对这种情况，很自然的一个想法就是构造某个简单的函数作为要考察的函数的近似。
2021/10/10
6
引入记号 n 1 ( x i ) ( x x 0 ) x ( x 1 ) ( x x n ),
易证 n 1 ( x i ) ( x i x 0 ) ( x i x i 1 ) x i x ( i 1 ) ( x i x n ) ,
从而LagrLeabharlann nge插值多项式可表示为12
6
5
4
3
2
1
0
2

插值算法的介绍及其在数学建模中的应用

插值算法的介绍及其在数学建模中的应⽤⽬录插值算法的介绍及其在数学建模中的应⽤%本⽂根据清风数学建模课程插值算法及相关资料总结⽽成，仅供学习使⽤%本⽂参考了（），对介绍的顺序及内容进⾏了改进%由于本⽂仅仅是简要介绍插值算法在建模中的应⽤，因此样条插值的可微性证明等各种复杂繁琐的部分在本⽂中不再引⼊%本⽂仅介绍⼀维数据的插值，多维数据的插值⽅法与⼀维插值类似⼀、插值的介绍及其作⽤数模⽐赛中，常常需要根据已知的样本点进⾏数据的处理和分析，⽽有时候现有数据较少或数据不全，不⾜以⽀撑分析的进⾏，这时就需要使⽤插值法“模拟产⽣”⼀些新的但⼜⽐较靠谱的值来满⾜需求，这就是插值的作⽤。

%在直观上，插值就是找到⼀个连续函数使其经过每个样本点%插值法还可⽤于短期的预测问题（插值与拟合经常会被弄混，为了区分，这⾥简要介绍⼀下拟合：即找到⼀个函数，使得该函数在最⼩⼆乘的意义下与已知样本点的总体差别最⼩，该函数不⼀定要经过样本点。

通常情况下，拟合要求已知样本点的数据较多，当数据较少时不适⽤）⼆、插值法原理三、插值法的分类%注：下⾯的1、2、3、4 并⾮是并列关系，⼏个部分之间也有交叉，⽬的在于逐渐引出数学建模中最常⽤的两种插值⽅法：三次样条插值与三次埃尔⽶特插值。

1、普通多项式插值多项式插值中，拉格朗⽇插值与⽜顿插值是经典的插值⽅法，但它们存在明显的龙格现象（下⾯会解释龙格现象），且不能全⾯反映插值函数的特性（仅仅保证了插值多项式在插值节点处与被插函数有相等的函数值）。

然⽽在许多实际问题中，不仅要求插值函数与被插值函数在所有节点处有相同的函数值，它也需要在⼀个或全部节点上插值多项式与被插函数有相同的低阶甚⾄⾼阶的导数值。

对于这些情况，拉格朗⽇插值和⽜顿插值都不能满⾜。

因此，数学建模中⼀般不使⽤这两种⽅法进⾏插值，这⾥也不再介绍这两种⽅法。

龙格现象（Runge phenomenon）: 1901年，Carl Runge 在他的关于⾼次多项式插值风险的研究中，发现⾼次插值函数可能会在两端处波动极⼤，产⽣明显的震荡，这种现象因此被称为龙格现象。

数学建模～插值与拟合概要

返回
%程序一：插值并作海底曲面图
x =[129.0 140.0 103.5 88.0 185.5 195.0 105.5 157.5 107.5 77.0 81.0 162.0 162.0 117.5 ]; y =[ 7.5 141.5 23.0 147.0 22.5 137.5 85.5 -6.5 -81 3.0 56.5 -66பைடு நூலகம்5 84.0 -33.5 ]; z =[ 4 8 6 8 6 8 8 9 9 8 8 9 4 9 ];
数据拟合在很多赛题中有应用，与图形处理有关的问题很多与插值和拟合有关系，例如98年美国赛A题，生物组织切片的三维插值处理，94年A题逢山开路，山体海拔高度的插值计算，2003年吵的沸沸扬扬的“非典” 问题也要用到数据拟合算法，观察数据的走向进行处理， 2005年的雨量预报的评价的插值计算。2001年的公交车调度拟合问题， 2003年的饮酒驾车拟合问题。
▪试给出这个平面区域内地形的模型以便选择公路修建的位置。
▪二维插值利用Matlab插值程序。 ▪输入已知信息： (xi, yj, zij) ▪>>x=0:4:20; %给出X轴的坐标 ▪>>y=0:4:20; %给出Y轴的坐标
▪>>z=[37 51 65 74 83 88; 47 62 76 88 98 106; … ; 69 87 105 128 142 150];
▪ %给出（xi，yj）点的高程 zij： ▪>>[X，Y]=meshgrid(0:1:20,0:1:20); ▪ % 给出加密的插值坐标网格
>>Z=interp2(x,y,z,X,Y,’spline’); %在坐标上进行样条插值画图： >>clf;%清空图形坐标系中的内容 >>mesh(X,Y,Z) %在网格上画出插值的结果 >>hold on %打开在同一坐标系中画图的功能 >>contour(X,Y,Z) %画平面等高线 >>con3=contour3(X,Y,Z) %画三维等高线 >>clabel(con3) %标高程 >>hold off %结束作图

数学建模---插值法

数学建模---插值法插值法
插值法定义
构造⼀个函数，需要这个函数完全过给定点
对于构造函数：
插值⽅法
拉格朗⽇插值法（插值多项式）
1.
三个点时
2.
n个点时
拉格朗⽇插值不⾜ — 龙格现象
当插值函数的阶数越⼤时，在两端的波动极⼤，会产⽣明显的震荡分段插值
n
1. 分段线性插值
每两个点之间分别构成⼀个线段，只⽤到了最近的两个点
2. 分段⼆次插值
选最近的n个已知点，构造n-1次函数
例如：选最近的3个点，构造⼀个⼆次函数
3.
⽜顿插值法例如：
有
点
有
点上两个⽜顿插值只有⼀项不想同，所以⽜顿插值法具有继承性
以上三种⽅法都没有反应被插值函数的导数
4. 埃尔⽶特(Hermite)插值法不但要求在节点的函数值相等，也要求对应的导数值也相等，甚⾄更⾼阶导数也相等分段三次埃尔⽶特插值运⽤了⼀阶导数相等
内置函数：
x ...x 0n −1x ...x 0n
5. 三次样条插值
运⽤了⼆阶连续可微且每个区间
是三次多项式
内置函数：
n
维数据插值[x ,x ]i i +1。

数学建模插值方法共77页文档

39、勿问成功的秘诀为何，且尽全力做你应该做的事吧。——美华纳
40、学而不思则罔，思而不学则殆。——孔子
谢谢！
36、自己的鞋子，自己知是软弱。——拉罗什福科
xiexie! 38、我这个人走得很慢，但是我从不后退。——亚伯拉罕·林肯
数学建模插值方法
1、战鼓一响，法律无声。——英国 2、任何法律的根本；不，不成文法本身就是讲道理 ……法律，也 ----即明示道理。— —爱·科克
3、法律是最保险的头盔。——爱·科克 4、一个国家如果纲纪不正，其国风一定颓败。—— 塞内加 5、法律不能使人人平等，但是在法律面前人人是平等的。 ——波洛克

数学建模精选经典课件之插值与拟合

可以看出这些点大致分布在一条直线附近。
我们不妨用插值法，和拟合法两种方法对比的看看他们的图像，找出他们的差别。
对这样的数据采用上一节介绍的插值方法近似求描述物理规律的解析函数，必然存在下列缺点：
在一个包含有很多数据点的区间内构造插值函数，必然使用高次多项式。而高次插值多项式是不稳定的。
700 850 950 1010 1070 1550 980
通过此例对最近邻点插值、双线性插值方法和双三次插值方法的插值效果进行比较。
散乱节点定义
已知n个节点
其中
互不相同，
构造一个二元函数
通过全部已知节点,即
再用
计算插值，即
Matlab中网格节点插值的函数
cz=griddata(x0,y0,z0,cx,cy,’method’)
插值&拟合
一.插值法（内插，外插）
内插:是数学领域数值分析中的通过已知的离散数据求未知数据的过程或方法。
在这里我们所讲的插值法指的就是内插法!
二.拟合法
科学和工程问题可以通过诸如采样、实验等方法获得若干离散的数据，根据这些数据，我们往往希望得到一个连续的函数（也就是曲线）或者更加密集的离散方程与已知数据相吻合，这过程就叫做拟合 (fitting)。
数据的插值与拟合问题在很多赛题中都有应用。
与图形有关的问题很多和插值与拟合有关系，例如98 年美国赛的A题，生物组织切片的三位插值处理，94 年的A题逢山开路，山体海拔高度的插值计算。2001 年的公交调度拟合问题，2003年的饮酒驾车拟合问题， 2005年的雨量预报的评价的插值计算。甚至是上次的东北三省赛的A题人口预测问题也涉及到了拟合计算。
互不相xj
xn

数学建模插值算法

数学建模插值算法插值算法是数学建模中一种常用的技术，用于在已知数据点处的估计和未知数据点之间的预测。

插值算法可以帮助我们充分利用已知数据点的信息，获得更完整和连续的数据。

在数学建模中，插值算法有多种方法可选，常见的包括拉格朗日插值、牛顿插值、样条插值等。

拉格朗日插值是最常见和简单的插值方法之一、它的基本思想是通过构造一个n次多项式来近似通过已知数据点的曲线。

具体地说，我们可以根据已知数据点的横纵坐标，构造出n个满足这些坐标的插值基函数。

然后，将这些插值基函数分别与相应基函数在未知数据点处取值的乘积相加，得到插值多项式。

最后，利用这个多项式来估计未知数据点的纵坐标。

牛顿插值是另一种常用的插值方法。

它的基本思想是使用差商的概念来创建一个n次多项式。

差商是一个递归定义的概念，其基本思想是通过逐步添加一个已知数据点来计算多项式的高次项系数。

具体地说，我们可以根据已知数据点的横纵坐标，构造出n个差商。

然后，将这些差商与相应基函数在未知数据点处取值的乘积相加，得到插值多项式。

最后，利用这个多项式来估计未知数据点的纵坐标。

样条插值是一种更加复杂但更精确的插值方法。

它的基本思想是通过构造一组n次多项式的集合，使得每个多项式在相应数据点处完全符合已知数据。

具体地说，我们可以根据已知数据点的横纵坐标，构造出n个多项式，并设置它们在数据点处的约束条件。

然后，通过求解一个线性方程组来计算每个多项式的系数。

最后，利用这组多项式来估计未知数据点的纵坐标。

以上是数学建模中常用的几种插值算法，它们各有优缺点，在不同情景下有着不同的适用性。

插值算法在实际应用中具有广泛的用途，例如地图绘制、图像处理、信号处理等领域。

在进行插值计算时，要根据实际情况选择适当的算法，并合理处理计算误差，以提高插值结果的准确性和稳定性。

数学建模讲座插值和拟合

% 逆时针方向转90度，节点（x, y）变为（u, v） v0=x; u0=-y; % 按0.05的间隔在u方向产生插值点 u=-5:0.05:5; % 在v方向计算分段线性插值 v1=interp1(u0,v0,u); % 在v方向计算三次样条插值 v2=spline(u0,v0,u); % 在（x, y）坐标系输出结果 [v1' v2' -u']
Method的4种情况：
‘nearest’ 最临近点插值
‘linear’ 线性插值（默认）
‘spline’ 三次样条插值
‘cubic’ 三次插值
说明：这里x和y是两个独立的向量，它们必须是单调的。 z是矩阵，是由x和y确定的点上的值。z和x,y之间的关系是 z(i,:)=f(x,y(i)) z(:,j)=f(x(j),y) 即：当x变化时，z的第i行与y的第i个元素相关，当y变化时z的第j列与x的第j个元素相关。如果没有对x,y赋值，则默认x=1:n, y=1:m。n和m分别是矩阵z 的行数和列数。
n=9; x0=-1:1/(n-1):1;y0=1./(1+25*x0.^2);y1=lagr(x0,y0,x); subplot(2,2,4), plot(x,z,'r-',x,y,'m-'),hold on, %原曲线 plot(x,y1,'b'),gtext('L16(x)','FontSize',12) %Lagrange曲线
加工时需要x每改变0.05时的y值
模型将图1逆时针方向转90度，轮廓线上下对称，只需对上半部计算一个函数在插值点的值。
v
5
4.5
4
3.5

(完整版)数学建模插值和拟合

x
xn
x
4.2 MATLAB实现插值
Matlab 实现：实现插值不需要编制函数程序，它自身提供了内部的功能函数 interp1(一维分段插值) interp2(二维) interp3(三维) intern(n维)
4.3.1一维插值
用MATLAB作插值计算
一维插值函数： yi=interp1(x，y，xi，'method')
h=1:0.1:12;
t=interp1(hours,temps,h,'spline');
plot(hours,temps,'+',h,t,'r:')
xlabel('Hour'),ylabel('Degrees Celsius’)
例1：从1点12点的11小时内，每隔1小时测量一次温度，测得的温度的数值依次为：5，8，9，15，25，29， 31，30，22，25，27，24．试估计(1)每隔1/10小时的温度值;（2）估计1点30分和13的温度值。
例1：从1点到12点的11小时内，每隔1小时测量一次温度，测得的温度的数值依次为：5，8，9，15，25， 29，31，30，22，25，27，24．试估计(1)每隔 1/10小时的温度值;（2）估计1点30分和13的温度值。
hours=1:12;
temps=[5 8 9 15 25 29 31 30 22 25 27 24];
x x0 y y0
x1 … xn y1 … yn
其中x0,x1, …xn是n+1个互不相同的点，求一个近似函数 (x) ，使得
( xi ) f ( xi ) i 0,1 …n

数学建模插值和拟合

一维插值函数： yi=interp1(x，y，xi，'method')
xi处的插值结果插值节点被插值点插值方法
注意（1）所有的插值方法 ‘nearest’ 最近邻点插值；都要求x是单调的，并且xi不 ‘linear’分段线性插值； ‘spline’ 三次样条插值；能够超过x的范围； ‘cubic’ 三次多项式插值； (2)interp1()并没有提供缺省时分段线性插值．插值函数的表达式。
X Y 1200 1600 2000 2400 2800 3200 3600 1200 1130 1320 1390 1500 1500 1500 1480 1600 1250 1450 1500 1200 1200 1550 1500 2000 1280 1420 1500 1100 1100 1600 1550 2400 1230 1400 1400 1350 1550 1550 1510 2800 1040 1300 900 1450 1600 1600 1430 3200 900 700 1100 1200 1550 1600 1300 3600 500 900 1060 1150 1380 1600 1200 4000 700 850 950 1010 1070 1550 980
用MATLAB作散点数据的插值计算
插值函数griddata格式为:
cz =griddata（x，y，z，cx，cy，‘method’）
被插值点的函数值插值节点被插值点
插值方法
要求cx取行向量， cy取为列向量．
‘nearest’最邻近插值 ‘linear’ 双线性插值 ‘cubic’ 双三次插值 'v4'- MATLAB提供的插值方法缺省时, 双线性插值

数学建模数学实验---插值及案例

四、插值方法及MATLAB求解
插值方法选用不同类型的插值函数，逼近的效果就不同，一般有：拉格朗日插值（lagrange插值）分段线性插值 Hermite 三次样条插值。
MATLAB实现插值 MATLAB自身提供了如下内部的功能函数:
一维插值函数：interp1()
例在某海域测得一些点(x,y)处的水深z由下表给出，船的吃水深度为5英尺，在矩形区域（75，200） ×（-50，150）里的哪些地方船要避免进入．
x y z x y z 129 140 103.5 88 185.5 195 7.5 141.5 23 147 22.5 137.5 4 8 6 8 6 8 157.5 -6.5 9 107.5 -81 9 77 3 8 105 85.5 8
被插值点的函数值
插值节点被插值点
插值方法
注：要求x0,y0单调；x， ‘nearest’ 最邻近插值； ‘linear’ 双线性插值； y可取为矩阵，或x取行向双三次插值；量，y取为列向量，x,y的 ‘cubic’ 缺省时双线性插值. 值分别不能超出x0,y0的范围．
例用以上4种方法对 z xe 式插值效果进行比较。 t=-2:0.5:2
%作图
练习已知飞机下轮廓线上数据如下，求x每改变0.1时的y 值．
X Y
0 0
3 1.2
5 1.7
7 2.0
9 2.1
11 2.0
12 1.8ห้องสมุดไป่ตู้
13 1.2
14 1.0
15 1.6
y
机翼下轮廓线

x
用MATLAB作二维插值计算

(数学建模课件)10.1数据插值方法及应用

最后计算的面积约为 42414 平方公里。
2、多项式插值
设有 m 次多项式
P(x) a0 x m a1x m1 am1x am
通过所有 n 1个点 (x0 , y0 ), (x1, y1),, (xn , yn ) ，那么就有
a0 xi m a1xi m1 am1xi am yi , i 0,1,, n
2 vi
vi2 4vi1 3vi 2(ti1 ti )
向后差商公式
2 vi
3vi 4vi1 vi2 2(ti ti1 )
估算出水塔中水的流速（单位：立方米/小时）
见下表。
时刻
0 0.921 1.843 2.949 3.871 4.978 5.900
流速 54.516 42.320 38.085 41.679 33.297 37.814 30.748
用二阶差商来估算 ti 时刻的水流速度，即 f (ti ) 2vi 。
具体地，因为所有数据被水泵两次工作分割成三
组数据，对每组数据的中间数据采用中心差商，前后
两个数据不能够采用中心差商，改用向前或向后差
商。
中心差商公式
2 vi
vi2
8vi1 8vi1 12(ti1 ti )
vi2
向前差商公式
先用 MATLAB 画出水流速散点图。
t=[0 0.921 1.843 2.949 3.871 4.978 5.9 7.006 7.982 8.967 10.954 12.032 12.954 13.875 14.982 15.903 16.826 17.931 19.037 19.959 20.839 22.958 23.88 24.986 25.908]; r=[54.516 42.320 38.085 41.679 33.297 37.814 30.748 38.455 32.122 41.718 73.686 76.434 71.686 60.19 68.333 59.217 52.011 56.626 63.023 54.859 55.439 57.602 57.766 51.891 36.464];

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

si ( xi ) si 1 ( xi ), si( xi ) si1 ( xi ), si( xi ) si1 ( xi ) (i 1, , n 1)
4) S ( x0 ) S ( xn ) 0 ( 自然边界条件） 2) 3) 4) ai , bi , ci , di S ( x)
21
分两片的函数表达式如下：
第一片(下三角形区域)： (x, y)满足
插值函数为： f (x, y) f1 (f 2 f1 )(x x i ) (f 3 f 2 )(y y j )
第二片(上三角形区域)：(x, y)满足 y j1 y j y (x x i ) y i x i 1 x i 插值函数为： f (x, y) f1 (f 4 f1 )(y y j ) (f 3 f 4 )(x x i )
x y z x y z 129 140 103.5 88 185.5 195 7.5 141.5 23 147 22.5 137.5 4 8 6 8 6 8 157.5 -6.5 9 107.5 -81 9 77 3 8 105 85.5 8
81 162 162 117.5 56.5 -66.5 84 -33.5 8 9 4 9
插值节点被插值点插值方法
要求cx取行向量，cy 取为列向量。
‘nearest’ 最邻近插值 ‘linear’ 双线性插值 ‘cubic’ 双三次插值 'v4'- Matlab提供的插值方法缺省时, 双线性插值
27
例在某海域测得一些点(x,y)处的水深z由下表给出，船的吃水深度为5英尺，在矩形区域（75， 200）*（-50，150）里的哪些地方船要避免进入。
25
再输入以下命令:
xi=1:0.2:5; yi=1:0.2:3;
zi=interp2(x,y,temps,xi',yi,'cubic');
mesh(xi,yi,zi) 画出插值后的温度分布曲面图.
26
用MATLAB作散点数据的插值计算
插值函数griddata格式为:
cz =griddata（x，y，z，cx，cy，‘method’）被插值点的函数值
实验目的
1、了解插值的基本内容。
2、掌握用数学软件包求解插值问题。
实验内容
[1]一维插值 [2]二维插值
[3]实验作业
1
一一、插值的定义二、插值的方法
维
插
值
拉格朗日插值
分段线性插值
三次样条插值三、用Matlab解插值问题
返回
2
二维插值
一、二维插值定义二、网格节点插值法
最邻近插值分片线性插值双线性插值
lim S ( x ) g ( x )
n
g(x)为被插值函数。
12
例
1 g ( x) , 6 x 6 2 1 x
用三次样条插值选取11个基点计算插值(ych) To MATLAB ych(larg1)
返回
13
用MATLAB作插值计算
一维插值函数：
yi=interp1(x，y，xi，'method')
返回
20
分片线性插值
y
(xi, yj+1) (xi+1, yj+1) (xi, yj) (xi+1, yj)

x
O
将四个插值点（矩形的四个顶点）处的函数值依次简记为： f (xi, yj)=f1，f (xi+1, yj)=f2，f (xi+1, yj+1)=f3，f (xi, yj+1)=f4
直接验证可知 , Ln x满足插值条件 .
7
例
1 g ( x) , 5 x 5 2 1 x
采用拉格朗日多项式插值：选取不同插值节点个数n+1，其中n为插值多项式的次数，当n 分别取2,4,6,8,10时，绘出插值结果图形.
To Matlab lch(larg1)
拉格朗日多项式插值的这种振荡现象叫 Runge现象
返回
8
分段线性插值
y o
Ln ( x ) y j l j ( x )
j 0 n

xj-1 xj xj+1 xn x
x0
x x j 1 , x j 1 x x j n越大，误差越小. x j x j 1 x x j 1 l j ( x) , x j x x j 1 lim Ln ( x) g ( x), x0 x x j x j 1 n 0, 其它 9
被插值点
插值方法
要求x0,y0单调； x，y可取为矩阵，或x取行向量，y取为列向量，x,y的值分别不能超出x0,y0 的范围。
‘nearest’ 最邻近插值 ‘linear’ 双线性插值 ‘cubic’ 双三次插值缺省时, 双线性插值
24
例：测得平板表面3*5网格点处的温度分别为： 82 81 80 82 84 79 63 61 65 81 84 84 82 85 86 试作出平板表面的温度分布曲面z=f(x,y)的图形。
28
1.输入插值基点数据 .
2.在矩形区域75,200 50,150作二维插值 . 三次插值法(hd1)
3.作海底曲面图
4.作出水深小于5的海域范围,即z=5的等高线.
To MATLAB hd1
29
clear 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]; cx=75:0.5:200; cy=-50:0.5:150; cz=griddata(x,y,z,cx,cy','cubic'); meshz(cx,cy,cz),rotate3d xlabel('X'),ylabel('Y'),zlabel('Z') %pause figure(2),contour(cx,cy,cz,[-5 -5]);%等高线内部的深度小于5米 grid hold on plot(x,y,'+') xlabel('X'),ylabel('Y')
xi处的插值结果插值节点被插值点插值方法
‘nearest’ ：最邻近插值 ‘linear’ ：线性插值；注意：所有的插值方法 ‘spline’ ：三次样条插都要求x是单调的，并且xi 值；不能够超过x的范围。 ‘cubic’ ：立方插值。缺省时：分段线性插值。
14
例：在1-12的12小时内，每隔1小时测量一次温度，测得的温度依次为：5，8，9，15，25，29， 31，30，22，25，27，24。试估计每隔1/10小时的温度值。
y
*

节点可视为由 y g ( x) 产生
g表达式复杂,
或无封闭形式, 或未知.。
4
x 0 x1 x *
xn
构造一个(相对简单的)函数 y f ( x), 通过全部节点, 即
f ( x j ) y j ( j 0,1,n)
再用
f ( x) 计算插值，即 y f ( x ).
f (x, y) (ax b)(cy d)
其中有四个待定系数，利用该函数在矩形的四个顶点（插值节点）的函数值，得到四个代数方程，正好确定四个系数。返回
23
用MATLAB作网格节点数据的插值
z=interp2(x0,y0,z0,x,y,’method’)
被插值点的函数值
插值节点
返回
10
三次样条插值
比分段线性插值更光滑。
y

a
xi-1
xi
b
x
在数学上，光滑程度的定量描述是：函数 ( 曲线 )的k阶导数存在且连续，则称该曲线具有 k阶光滑性。光滑性的阶次越高，则越光滑。是否存在较低次的分段多项式达到较高阶光滑性的方法？三次样条插值就是一个很好的例子。
* *
y1 y0
y
*

x 0 x1 x *
xn
返回
5
拉格朗日(Lagrange)插值
已知函数f(x)在n+1个点x0,x1,…,xn处的函数值为 y0,y1,…,yn 。求一n次多项式函数Pn(x)，使其满足： Pn(xi)=yi,i=0,1,…,n. 解决此问题的拉格朗日插值多项式公式如下
注意：(x, y)当然应该是在插值节点所形成的矩形区域内。显然，分片线性插值函数是连续的；返回 22
双线性插值
y

( x1 , y2 )
( x2 , y2 )

x
( x1 , y1 ) ( x2 , y1 )
O
双线性插值是一片一片的空间二次曲面构成。双线性插值函数的形式如下：
hours=1:12; temps=[5 8 9 15 25 29 31 30 22 25 27 24]; h=1:0.1:12; t=interp1(hours,temps,h,'spline'); plot(hours,temps,'+',h,t,hours,temps,'r:') %作图 xlabel('Hour'),ylabel('Degrees Celsius') %摄氏度

第3讲数学建模的插值法

合集下载