LAB04_曲线拟合的最小二乘法实验
- 格式：doc
- 大小：146.00 KB
- 文档页数：6
下载文档原格式
合集下载
数值分析论文--曲线拟合的最小二乘法
---------------------------------------------------------------最新资料推荐------------------------------------------------------ 数值分析论文--曲线拟合的最小二乘法曲线拟合的最小二乘法姓名：徐志超学号：2019730059 专业：材料工程学院：材料科学与工程学院科目：数值分析曲线拟合的最小二乘法一、目的和意义在物理实验中经常要观测两个有函数关系的物理量。
根据两个量的许多组观测数据来确定它们的函数曲线，这就是实验数据处理中的曲线拟合问题。
这类问题通常有两种情况：一种是两个观测量 x 与 y 之间的函数形式已知，但一些参数未知，需要确定未知参数的最佳估计值；另一种是 x 与 y 之间的函数形式还不知道，需要找出它们之间的经验公式。
后一种情况常假设 x 与 y 之间的关系是一个待定的多项式，多项式系数就是待定的未知参数，从而可采用类似于前一种情况的处理方法。
在两个观测量中，往往总有一个量精度比另一个高得多，为简单起见把精度较高的观测量看作没有误差，并把这个观测量选作x，而把所有的误差只认为是y 的误差。
设 x 和 y 的函数关系由理论公式 y＝f（x； c1， c2， cm）1 / 13（0-0-1）给出，其中 c1， c2， cm 是 m 个要通过实验确定的参数。
对于每组观测数据（xi， yi） i＝1， 2，， N。
都对应于 xy 平面上一个点。
若不存在测量误差，则这些数据点都准确落在理论曲线上。
只要选取m 组测量值代入式（0-0-1），便得到方程组yi＝f （x；c1，c2，cm）（0-0-2）式中 i＝1，2，， m.求 m 个方程的联立解即得 m 个参数的数值。
显然Nm 时，参数不能确定。
在 Nm 的情况下，式（0-0-2）成为矛盾方程组，不能直接用解方程的方法求得 m 个参数值，只能用曲线拟合的方法来处理。
曲线拟合的最小二乘法讲解
实验三 函数逼近与曲线拟合一、问题的提出：函数逼近是指“对函数类A 中给定的函数)(x f ,记作A x f ∈)(,要求在另一类简的便于计算的函数类B 中求函数A x p ∈)(,使 )(x p 与)(x f 的误差在某中度量意义下最小”。
函数类A 通常是区间],[b a 上的连续函数，记作],[b a C ,称为连续函数空间，而函数类B 通常为n 次多项式，有理函数或分段低次多项式等，函数逼近是数值分析的基础。
主要内容有：（1）最佳一致逼近多项式（2）最佳平方逼近多项式（3）曲线拟合的最小二乘法二、实验要求：1、构造正交多项式；2、构造最佳一致逼近；3、构造最佳平方逼近多项式；4、构造最小二乘法进行曲线拟合；5、求出近似解析表达式，打印出逼近曲线与拟合曲线，且打印出其在数据点上的偏差；6、探讨新的方法比较结果。
三、实验目的和意义:1、学习并掌握正交多项式的MATLAB 编程；2、学习并掌握最佳一致逼近的MATLAB 实验及精度比较；3、学习并掌握最佳平方逼近多项式的MATLAB 实验及精度比较；4、掌握曲线拟合的最小二乘法；5、最小二乘法也可用于求解超定线形代数方程组；6、 探索拟合函数的选择与拟合精度之间的关系；四、 算法步骤：1、正交多项式序列的生成{n ϕ（x ）}∞0：设n ϕ（x ）是],[b a 上首项系数a ≠n 0的n 次多项式，)(x ρ为],[b a 上权函数，如果多项式序列{n ϕ（x ）}∞0满足关系式⎩⎨⎧=>≠==⎰.,0,,0)()()()(),(k j A k j x d x x x kk j bak j ϕϕρϕϕ则称多项式序列{n ϕ（x ）}∞0为在],[b a 上带权)(x ρ正交，称n ϕ（x ）为],[b a 上带权)(x ρ 的n 次正交多项式。
1）输入函数)(x ρ和数据b a ,;2）分别求))(),(()),(,(x x x x j j j nϕϕϕ的内积； 3）按公式①)())(),(())(,()(,1)(10x x x x x x x x j n j j jj n nn ϕϕϕϕϕϕ∑-=-==计算)(x n ϕ，生成正交多项式；流程图：开始否是结束2、 最佳一致逼近多项式],[)(b a C x f ∈，若存在n n H x P ∈)(*使得n n E P f =∆),(*，则称)(*x P n 是)(x f 在],[b a 上的最佳一致逼近多项式或最小偏差逼近多项式，简称最佳逼近多项式。
计算方法(3)-曲线拟合的最小二乘法
m
m
使 Wi [ * (xi ) i 1
yi ]2
min ( x)
Wi [ (xi )
i 1
yi ]2
其 中 (x) a0 0 (x) a11 (x) an n (x)是
中 任 一 函 数;Wi (i 1, , m)是 一 列 正 数, 称 为 权.
第三章 曲线拟合的最小二乘法
§1 引言 §2 最小二乘法 §3 最小二乘法的求法 §4 加权最小二乘法
*§5 利用正交函数作最小二乘拟合
1
§1 引言
一.曲线拟合问题
从一组实验数据(xi , yi )(i 1,2, , m)出发,
寻求函数y (x)的一个近似表达式
m
xin
i1
m
xi
i 1 m
xi2
i 1
m
x n1 i
i 1
m
xin
i 1 m
xn1 i
i 1
m
xi2n
a0 a1 an
m
WI xin
i 1
m
Wi xin1
i 1
m
Wi xi2n
a0 a1 an
m
Wi yi
i 1 m
Wi xi yi
i 1
m
Wi xin yi
是中 任 一 函 数
5
§3 最小二乘解的求法
一.法方程组
最小二乘解 * (x) a0* 0 (x) a1*1 (x) an* n (x)
最小二乘法曲线拟合-原理及matlab实现
曲线拟合（curve-fitting ）：工程实践中，用测量到的一些离散的数据},...2,1,0),,{(m i y x i i =求一个近似的函数)(x ϕ来拟合这组数据，要求所得的拟合曲线能最好的反映数据的基本趋势（即使)(x ϕ最好地逼近()x f ，而不必满足插值原则。
因此没必要取)(i x ϕ=i y ，只要使i i i y x -=)(ϕδ尽可能地小）。
原理：给定数据点},...2,1,0),,{(m i y x i i =。
求近似曲线)(x ϕ。
并且使得近似曲线与()x f 的偏差最小。
近似曲线在该点处的偏差i i i y x -=)(ϕδ，i=1,2,...,m 。
常见的曲线拟合方法:1.使偏差绝对值之和最小2.使偏差绝对值最大的最小3.使偏差平方和最小最小二乘法：按偏差平方和最小的原则选取拟合曲线，并且采取二项式方程为拟合曲线的方法,称为最小二乘法。
推导过程：1. 设拟合多项式为：kk x a x a a x +++=...)(10ϕ2. 各点到这条曲线的距离之和，即偏差平方和如下：3. 问题转化为求待定系数0a ...k a 对等式右边求i a 偏导数，因而我们得到了：.......4、 把这些等式化简并表示成矩阵的形式，就可以得到下面的矩阵：5. 将这个范德蒙得矩阵化简后可得到:6. 也就是说X*A=Y ，那么A = (X'*X)-1*X'*Y ，便得到了系数矩阵A ，同时，我们也就得到了拟合曲线。
MATLAB实现：MATLAB提供了polyfit（）函数命令进行最小二乘曲线拟合。
调用格式：p=polyfit(x,y,n)[p,s]= polyfit(x,y,n)[p,s,mu]=polyfit(x,y,n)x,y为数据点，n为多项式阶数，返回p为幂次从高到低的多项式系数向量p。
x 必须是单调的。
矩阵s包括R（对x进行QR分解的三角元素）、df(自由度）、normr(残差）用于生成预测值的误差估计。
Lab04.曲线拟合的最小二乘法实验
Lab04．曲线拟合的最小二乘法实验【实验目的和要求】1．让学生体验曲线拟合的最小二乘法，加深对曲线拟合的最小二乘法的理解；2．掌握函数ployfit和函数lsqcurvefit功能和使用方法，分别用这两个函数进行多项式拟合和非多项式拟合。
【实验内容】1．在Matlab命令窗口，用help命令查询函数ployfit和函数lsqcurvefit功能和使用方法。
2．用多项式y=x3-6x2+5x-3，产生一组数据(x i，y i)(i=1，2，…，n)，再在y i上添加随机干扰(可用rand产生(0，1)均匀分布随机数，或用randn产生N(0，1)均匀分布随机数)，然后对x i和添加了随机干扰的y i用Matlab提供的函数ployfit用3次多项式拟合，将结果与原系数比较。
再作2或4次多项式拟合，分析所得结果。
3．用电压V=10伏的电池给电容器充电，电容器上t时刻的电压为τt eVVVtv ---=)()(，其中V0是电容器的初始电压，τ是充电常数。
对于下面的一组t，v数据，用Matlab提供的函数lsqcurvefit确定V和τ。
【实验仪器与软件】1．CPU主频在1GHz以上，内存在128Mb以上的PC；2．Matlab 6.0及以上版本。
实验讲评：实验成绩：评阅教师：年月日Lab04．曲线拟合的最小二乘法实验1．在Matlab命令窗口，用help命令查询函数ployfit和函数lsqcurvefit功能和使用方法。
在MATLAB中，用polyfit函数来求得最小二乘拟合多项式的系数，polyfit函数的调用格式为：[P,S]=polyfit(X,Y,m)。
函数根据采样点X和采样点函数值Y，产生一个m次多项式P及其在采样点的误差向量S。
其中X,Y是两个等长的向量，P是一个长度为m+1的向量，P的元素为多项式系数，得到的多项式为降序。
同样可以用lsqcurvefit函数来求得最小二乘拟合多项式的系数，调用格式为：x = lsqcurvefit(fun,x0,xdata,ydata)。
matlab最小二乘法拟合
matlab最小二乘法拟合matlab最小二乘法拟合是一种常用的拟合方法，它属于非线性最小二乘拟合，其可以用来拟合任意数据。
matlab最小二乘法拟合主要包括以下几个步骤：一、准备数据1、准备数据阶段：包括收集数据，整理数据，观察数据；2、设计拟合模型：根据观察到的特性确定拟合模型方程；3、计算函数参数：根据拟合模型对原始数据进行曲线拟合，计算出模型参数；二、参数估计1、最小二乘法拟合：将所有点拟合到曲线上，使每个点到曲线上的距离之和最小；2、非线性最小二乘拟合：根据多元非线性模型参数的变化范围，构造最小二乘拟合的曲线，应用非线性拟合和最小二乘法拟合找出最佳拟合曲线；3、外推预测：根据拟合后的参数预测特定值。
三、评价拟合结果1、残差平方和：根据拟合模型和所得数据，计算拟合结果和拟合误差；2、自由度：自由度 = 总数据点数- 拟合模型参数的个数；3、复杂度检验：考虑拟合模型的复杂度对拟合效果的影响；4、对数校正残差：考虑拟合结果的稳定性，比较数据的分布与真实数据的分布；5、误差统计检验：通过统计分析评估拟合结果的可靠性。
四、模型预测1、均方根误差（RMSE）：评估预测模型拟合准确性，值越小，模型越有效；2、均方误差（MSE）：反映预测值与真实值之间的平均差异；3、绝对均差（MAE）：反映预测值与真实值之间的绝对均值差异；4、平均绝对平方偏差（MAHAPE）：反映模型拟合精度平均差距，值越接近0，模型越精确；5、杰拉德系数（R）：反映预测值与真实值之间的线性联系，值越接近1，模型越有效。
以上是matlab最小二乘法拟合的原理和应用，它不仅可以拟合任意数据，而且具有较强的适用性和准确性。
此外，matlab最小二乘法拟合还可以用来评估拟合结果的准确性，方便对数据进行分析处理。
第七章 曲线拟合的最小二乘法
t y t y
8
解
将已知数据点 (ti , yi ) (i 1,2,,16) 描绘在坐标纸上，
见图 3-2。
由图 3-2 及问题的物理背景可以看出，拟合曲线 具有下列特点：
y t 应
（1） 曲线随着 t 的增加而上升，但上升速度由快到慢。 （2） 当 t 0 ，反应尚未开始，即 y 0 ；当 t 时， y 趋于 某一常数。故曲线应通过原点（或者当 t 0 时以原点为极 限点，且有一水平渐近线。具有上述特点的曲线很多，选用 不同的数学模型，可以获得不同的拟合曲线与经验公式。
m
y ( x) 。这是一个曲线似合的问题。
多项式插值虽然在一定程度上解决了由函数表求函数的近 似表达式问题， 但用它来解决这里提出的问题， 是有明显缺陷的。 首先，由实验提供的数据通常带有测试误差。如果要求近似曲线
y ( x) 严格地通过所给的每个数据点 ( xi , yi ) ，就会使曲线
*
( x) 称为上述最小二乘问题的
最小二乘解。
用最小二乘法解决实际问题包含两个基本环节： （1）根据所给数据点的变化趋势与问题的实际背景确定函数类
，即确定 ( x) 所具有的形式；
（2）按最小二乘原则（式 7.3） ，求得最小二乘解 定其系数 ak
*
*
( x) ，即确
(k 0,1, , n) （对线性最小二乘问题） 。
m i 1
j k
, k , f xik yi , j, k 0, 1, , n
i 1
m
故相应的法方程组为：
m m xi i 1 m xn i i 1
m x x y i i i 1 i 1 a0 i 1 m m m xy xi2 xin 1 a i i 1 i 1 i 1 i 1 a n m m m n 1 2n n x y xi xi i i i 1 i 1 i 1
数值分析曲线拟合的最小二乘法实验报告
数值分析曲线拟合的最小二乘法实验报告数值分析曲线拟合的最小二乘法实验报告篇一：数值分析设计曲线拟合的最小二乘法曲线拟合的最小二乘法一、目的和意义在科学实验的统计方法研究中，往往要从一组实验数据?xi,yi??i?0,1,2,?,m?中，寻找自变量x与因变量y之间的函数关系y?F?x?。
由于观测数据往往不准确，因此不要求y?F?x?经过所有点?xi,yi?，而只要求在给定点xi上误差而只要求所在所有给定点xi上的误差?i?F(xi)?yi ?i?0,1,2,?,m?按某种标准最小。
若记????0,?1,?2,?,?m?，就是要求向量?的范数如果用最大范数，计算上困难较大，通常采用欧式范数?最小。
2T 作为误差度量的标准。
F?x?的函数类型往往与实验的物理背景以及数据的实际分布有关，它一般含有某些待定参数。
如果F?x?是所有待定参数的线性函数，那么相应的问题称为线性最小二乘问题，否则称为非线性最小二乘问题。
最小二乘法还是实验数据参数估计的重要工具。
这是因为这种方法比其他方法更容易理解，即使在其他方法失效的情况下，用最小二乘法还能提供解答，而且从统计学的观点分析，用该方法求得各项估计具有最优统计特征，因此这一方法也是系统识别的重要基础。
线性最小二乘问题可以借助多元微分学知识通过求解法方程组得到解答。
用最小二乘法求拟合曲线时，首先要确定S?x?的形式。
这不单纯是数学问题，还与所研究问题的运动规律以及所得观测数据?xi,yi?有关；通常要从问题的运动规律以及给定数据描图，确定S?x?的形式，并通过实际计算选出较好的结果。
为了使问题的提法更有一般性，通常把最小二乘法中的? 22 都考虑为加权平方和22 ? ????xi???S?xi??f?xi??? i?0 m 2 这里??xi??0是?a,b?上的加权函数，它表示不同点?xi,f?xi?处的数据比重不同。
?二、计算方法在某冶炼过程中，根据统计数据的含碳量与时间关系，试求含碳量y与时间t的拟合曲线。
【免费下载】实验3 曲线拟合的最小二乘法
试作出幂函数拟合数据。
2) 已知一组数据：
x ： 0，0.1，0.2 ，0.3 ，0.4 ，0.5 ，0.6，0.7，0.8，0.9 ，1
y
：
，7.66，9.56，9.48，9.30 ，11.2；
-0.447，1.978，3.28
试用最小二乘法求多项式函数，使与此组数据相拟合。 4、题目：
对全部高中资料试卷电气设备，在安装过程中以及安装结束后进行高中资料试卷调整试验；通电检查所有设备高中资料电试力卷保相护互装作置用调与试相技互术关，系电，力根通保据过护生管高产线中工敷资艺设料高技试中术卷资，配料不置试仅技卷可术要以是求解指，决机对吊组电顶在气层进设配行备置继进不电行规保空范护载高与中带资负料荷试下卷高问总中题体资，配料而置试且时卷可，调保需控障要试各在验类最；管大对路限设习度备题内进到来行位确调。保整在机使管组其路高在敷中正设资常过料工程试况中卷下，安与要全过加，度强并工看且作护尽下关可都于能可管地以路缩正高小常中故工资障作料高；试中对卷资于连料继接试电管卷保口破护处坏进理范行高围整中，核资或对料者定试对值卷某，弯些审扁异核度常与固高校定中对盒资图位料纸置试，.卷保编工护写况层复进防杂行腐设自跨备动接与处地装理线置，弯高尤曲中其半资要径料避标试免高卷错等调误，试高要方中求案资技，料术编试交写5、卷底重电保。要气护管设设装线备备置敷4高、调动设中电试作技资气高，术料课中并3中试、件资且包卷管中料拒含试路调试绝线验敷试卷动槽方设技作、案技术，管以术来架及避等系免多统不项启必方动要式方高，案中为；资解对料决整试高套卷中启突语动然文过停电程机气中。课高因件中此中资，管料电壁试力薄卷高、电中接气资口设料不备试严进卷等行保问调护题试装，工置合作调理并试利且技用进术管行，线过要敷关求设运电技行力术高保。中护线资装缆料置敷试做设卷到原技准则术确：指灵在导活分。。线对对盒于于处调差，试动当过保不程护同中装电高置压中高回资中路料资交试料叉卷试时技卷，术调应问试采题技用，术金作是属为指隔调发板试电进人机行员一隔，变开需压处要器理在组；事在同前发一掌生线握内槽图部内 纸故，资障强料时电、，回设需路备要须制进同造行时厂外切家部断出电习具源题高高电中中源资资，料料线试试缆卷卷敷试切设验除完报从毕告而，与采要相用进关高行技中检术资查资料和料试检，卷测并主处且要理了保。解护现装场置设。备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况，然后根据规范与规程规定，制定设备调试高中资料试卷方案。
曲线拟合的最小二乘法
由 ln y ln a bx ，可以先做 y* a* bx
可以先做出 ln y 的一次线性拟合
例2 设一发射源强度公式为
观测数据如下
I
I
eat
0
ti 0.2 0.3 0.4 0.5 0.6 0.7 0.8 Ii 3.16 2.38 1.75 1.34 1.00 0.74 0.56
2.9611
a b
2.31254 0.0870912
(1)、y ax2 b
解：函数空间的基
x2 ,1 ，然后列出法方程
x2, x2 D 1, x2 D
1, x2 D
1,1D
a b
f
, f
x2 D
,1D
370
34
34
5
a b
3.5a1 1.9891 2.03a1 0.1858
aa1012.7.839
ea0 =5.64 a=－2.89
则 I=5.64e－2.89t
3.2.3 最小二乘法一般形式
span{0,1,n} 0 ,1,n 为线性无关的基函数
(x) a00 (x) ann (x)
i 1
n
( y, j ) ik xi j xi j=0，1，2，…，m i 1
则法方程组可写成以下形式
0 1
,0 ,0
m ,0
0 ,1 1,1
m ,1
- 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)。
Lab04．曲线拟合的最小二乘法实验
【实验目的和要求】
1．让学生体验曲线拟合的最小二乘法，加深对曲线拟合的最小二乘法的理解；
2．掌握函数ployfit 和函数lsqcurvefit 功能和使用方法，分别用这两个函数进行多项式拟合和非多项式拟合。
【实验内容】
1．在Matlab 命令窗口，用help 命令查询函数ployfit 和函数lsqcurvefit 功能和使用方法。
2．用多项式y =x 3-6x 2+5x-3，产生一组数据(x i ，y i )(i =1，2，…，n)，再在y i 上添加随机干扰(可用rand 产生(0，1)均匀分布随机数，或用randn 产生N(0，1)均匀分布随机数)，然后对x i 和添加了随机干扰的y i 用Matlab 提供的函数ployfit 用3次多项式拟合，将结果与原系数比较。
再作2或4次多项式拟合，分析所得结果。
3．用电压V =10伏的电池给电容器充电，电容器上t 时刻的电压为τt e V V V t v ---=)()(0，其中V 0是电容器的初始电压，τ是充电常数。
对于。
【实验仪器与软件】
1．CPU 主频在1GHz 以上，内存在128Mb 以上的PC ；
2．Matlab 6.0及以上版本。
实验讲评：
实验成绩：
评阅教师：
200 年 月 日
Lab04．曲线拟合的最小二乘法实验
一、查询函数ployfit和函数lsqcurvefit功能和使用方法
启动MATLAB后在命令窗口输入命令：
答：polyfit函数的调用格式为：[P,S]=polyfit(X,Y,m)。
函数根据采样点X和采样点函数值Y，产生一个m次多项式P及其在采样点的误差向量S。
其中X,Y是两个等长的向量，P是一个长度为m+1的向量，P的元素为多项式系数，得到的多项式为降序。
调用格式为：x = lsqcurvefit(fun,x0,xdata,ydata)。
其中，fun为自定义的函数，函数中的未知量即为要求的多项式的系数；x0为系数的初值；xdata与ydata是给定的数据构成的向量，且xdata与ydata的长度相等。
二、多项式拟合
1．用多项式y=x3-6x2+5x-3，产生一组数据(x1，y i)
y=x.^3-6*x.^x=1:0.5:10;
2+5*x-3;
2．对数据(x i，y i)添加随机干扰生成数据(x2，y2)
y0=y+rand;
3．对数据(x2，y2)进行2、3、4次多项式拟合
4．作图进行拟合效果比较
二、非多项式拟合
编写程序如下：
t=[0.5 1 2 3 4 5 7 9];
v1=[6.36 6.48 7.26 8.22 8.66 8.99 9.43 9.63];
y=log(10- v1);
f=polyfit(t,y,1)
t0=-1/f(1)
v0=10-exp(f(2))
v2=10-(10-v0)*exp(-t/t0);
plot(t,v1,'rx',t,v2,'k:')
grid on
xlabel('时间t(s)'),ylabel('充电电压(V)');
title('电容器充电电压与时间t的曲线');
程序运行输出结果如下：
f =-0.2835 1.4766
t0 = 3.5269 v0 =5.6221
即电容器的初始电压为 v0 =5.6221，τ=3.5629。
三、总结
运行后，得出图形可知，比较拟合后多项式和原式的系数，发现四次多项式系数与原系数比较接近，四次多项式的四次项系数很小。
说明了经过适当的多次拟合系数与原答案系数更接近。