第5讲-matlab数据拟合.ppt
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- matlab 数据 拟合
- 资源描述:
-
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,拟 合,2.拟合的基本原理,1.,拟合问题引例,1,拟 合 问 题 引 例 1,温度,t(,0,C)20.5 32.7 51.0 73.0 95.7,电阻,R(,)765 826 873 942 1032,已知热敏电阻数据:,求,60,0,C,时的电阻,R。,设,R=at+b,a,b,为待定系数,2,曲 线 拟 合 问 题 的 提 法,已知一组(二维)数据,即平面上,n,个点,(,x,i,y,i,)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。,+,+,+,+,+,+,+,+,+,x,y,y=f(x),(,x,i,y,i,),i,i,为点,(,x,i,y,i,),与,曲线,y=f(x),的,距离,3,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,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?,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,;,4,最临近插值、线性插值、样条插值与曲线拟合结果:,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,6,用,MATLAB,作线性最小二乘拟合,1.作多项式,f(x)=a,1,x,m,+,a,m,x,+a,m+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=,a,1,a,m,a,m+1,(,数组)),输入同长度,的数组,X,Y,拟合多项,式次数,7,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,8,1)输入以下命令,:,x=0:0.1:1;,y=-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2;,R=(x.2)x ones(11,1);,A=Ry,解法1,用解超定方程的方法,2)计算结果,:=-9.8108 20.1293 -0.0317,9,1)输入以下命令:,x=0:0.1:1;,y=-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2;,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的图形,2)计算结果:=-9.8108 20.1293 -0.0317,解法,2,用多项式拟合的命令,10,1.,lsqcurvefit,已知,数据点,:,xdata,=,(xdata,1,,xdata,2,,,,,xdata,n,),,ydata,=(ydata,1,,ydata,2,,,ydata,n,),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,.,lsqcurvefit,用以求含参量,x(,向量)的向量值函数,F(x,xdata,)=(F(x,xdata,1,),F(x,,xdata,n,),T,中的参变量,x(,向量),使得,11,输入格式为:,(1),x=,lsqcurvefit,(fun,x0,xdata,ydata,),;,(2),x=,lsqcurvefit,(fun,x0,xdata,ydata,options);,(3),x=,lsqcurvefit,(fun,x0,xdata,ydata,options,grad);,(4),x,options=,lsqcurvefit,(fun,x0,xdata,ydata,);,(5),x,options,funval,=,lsqcurvefit,(fun,x0,xdata,ydata,);,(6),x,options,funval,Jacob=,lsqcurvefit,(fun,x0,xdata,ydata,);,fun,是一个事先建立的定义函数,F(x,xdata,),的,M-,文件,自变量为,x,和,xdata,说明:,x=,lsqcurvefit,(fun,x0,xdata,ydata,options);,迭代初值,已知数据点,选项见无,约束优化,12,lsqnonlin,用以求含参量,x(,向量)的向量值函数,f(x),=(f,1,(x),f,2,(x),f,n,(x),T,中的参量,x,,使得,最小。,其中,f,i,(x)=,f,(x,,xdata,i,,,ydata,i,),=F(x,xdata,i,)-,ydata,i,2.,lsqnonlin,已知数据点:,xdata,=,(xdata,1,,xdata,2,,,,,xdata,n,),ydata,=,(ydata,1,,ydata,2,,,ydata,n,),13,输入格式为:,1),x=,lsqnonlin,(fun,x0);,2)x=,lsqnonlin,(fun,x0,options);,3)x=,lsqnonlin,(fun,x0,options,grad);,4)x,options=,lsqnonlin,(fun,x0,);,5)x,options,,funval,=,lsqnonlin,(fun,x0,);,说明:,x=,lsqnonlin,(fun,x0,options);,fun,是一个事先建立的定义函数,f(x),的,M-,文件,,自变量为,x,迭代初值,选项见无,约束优化,14,例2 用下面一组数据拟合,中的参数,a,b,k,该问题即解最优化问题:,15,1),编写,M-,文件,curvefun1.m,function,f=curvefun1(,x,tdata,),f=x(1)+x(2)*exp(-0.02*x(3)*,tdata,),%,其中,x(1)=a;x(2)=b;x(3)=k;,2),输入命令,tdata,=100:100:1000,cdata,=,1e-03,*4.54,4.99,5.35,5.65,5.90,6.10,6.26,6.39,6.50,6.59;,x0=0.2,0.05,0.05;,x=,lsqcurvefit,(curvefun1,x0,tdata,cdata,),f=,curvefun1(x,tdata,),F(x,,tdata,)=,x=(a,b,k),解法1,.,用命令,lsqcurvefit,16,3),运算结果为,:,f=0.0043 0.0051 0.0056 0.0059 0.0061,0.0062 0.0062 0.0063 0.0063 0.0063,x=0.0063 -0.0034 0.2542,4)结论,:,a=0.0063,b=-0.0034,k=0.2542,17,解法,2,用命令,lsqnonlin,f(x)=F(x,tdata,ctada,)=,x=(a,b,k),1),编写,M-,文件,curvefun2.m,function,f=curvefun2(,x,),tdata,=100:100:1000;,cdata,=1e-03*4.54,4.99,5.35,5.65,5.90,6.10,6.26,6.39,6.50,6.59;,f=x(1)+x(2)*exp(-0.02*x(3)*,tdata,)-,cdata,2),输入命令:,x0=0.2,0.05,0.05;,x=,lsqnonlin,(,curvefun2,x0),f=curvefun2(x),函数,curvefun2,的自变量是,x,,cdata,和,tdata,是已知参数,故应将,cdata tdata,的值写在,curvefun2.m,中,18,3)运算结果为,f=1.0e-003*(0.2322 -0.1243 -0.2495 -0.2413,-0.1668 -0.0724 0.0241 0.1159 0.2030 0.2792,x=0.0063 -0.0034 0.2542,可以看出,两个命令的计算结果是相同的,.,4)结论,:,即拟合得,a=,0.0063 b=-0.0034 k=0.2542,19,电阻问题,温度,t(,0,C)20.5 32.7 51.0 73.0 95.7,电阻,R(,)765 826 873 942 1032,例.由数据,拟合,R=a,1,t+a,2,方法1.用命令,polyfit,(x,y,m),得到,a,1,=3.3940,a,2,=702.4918,方法2.直接用,结果相同。,20,在实验方面,对某人用快速静脉注射方式一次注入该药物300,mg,后,在一定时刻,t(,小时)采集血药,测得血药浓度,c(,ug,/ml),如下表:,t(h),0.25,0.5,1 1.5 2,3,4 6,8,c(,g/ml),19.21 18.15 15.36 14.10 12.89,9.32,7.45 5.24 3.01,要设计给药方案,必须知道给药后血药浓度随时间变化的规律。从实验和理论两方面着手:,21,3.血液容积,v,t=0,注射剂量,d,血药浓度立即为,d/v.,2.药物排除速率与血药浓度成正比,比例系数,k(0),模型假设,1.机体看作一个房室,室内血药浓度均匀一室模型,模型建立,在此,,d=300mg,t,及,c(t),在某些点处的值见前表,需经拟合求出参数,k、v,22,用线性最小二乘拟合,c(t),计算结果:,d=300;,t=0.25 0.5 1 1.5 2 3 4 6 8;,c=19.21 18.15 15.36 14.10 12.89 9.32 7.45 5.24 3.01;,y=log(c);,a=,polyfit,(t,y,1),k=-a(1),v=d/exp(a(2),程序:,用非线性最小二乘拟合,c(t),23,给药方案 设计,c,c,2,c,1,0,t,设每次注射剂量,D,间隔时间,血药浓度,c(t),应,c,1,c(t),c,2,初次剂量,D,0,应,加大,给药方案记为:,2、,1、,计算结果:,给药方案:,c,1,=10,c,2,=25,k=0.2347,v=15.02,24,故可制定给药方案:,即:,首次注射375,mg,,其余每次注射225,mg,,注射的间隔时间为4小时。,25,练习1,用给定的多项式,如,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,rands,产生,N(0,1),分布随机数),然后用,x,i,和添加了随机干扰的,y,i,作的3次多项式拟合,与原系数比较。,如果作2或4次多项式拟合,结果如何?,26,练习2、,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 ,其中,V,0,是电容器的初始电压,是充电常数。试由下面一组,t,V,数据确定,V,0,,。,27,用非线性最小二乘拟合,c(t)-,用,lsq,curvefit,2、,主程序,lihe2.m,如下,clear,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=10,0.5;,x=,lsqcurvefit,(,curvefun3,x0,tdata,cdata,);,f=curvefun3(x,tdata,),x,MATLAB(lihe2),1、用,M-,文件,curvefun3.m,定义函数,function,f=curvefun3(x,tdata,),d=300,f=(x(1)d)*exp(-x(2)*,tdata,),%x(1)=v;x(2)=k,28,展开阅读全文

咨信网声明:本文档由用户上传并分享,仅供学习交流、研究之用,未经授权,严禁复制、发行、汇编、翻译或网络传播等,侵权必究。
咨信网小贴示:
1、浏览或下载可查看了解,请点击【咨信网告知】。
2、下载文件中如有侵权或不适当内容,将立即纠正。
3、如果因为网速或其他原因下载失败请重新下载,重复下载[60天内]不扣币。
4、开具发票登录电脑端申请,请点击【索取发票】。
咨信网客服组:【微信客服】
1、浏览或下载可查看了解,请点击【咨信网告知】。
2、下载文件中如有侵权或不适当内容,将立即纠正。
3、如果因为网速或其他原因下载失败请重新下载,重复下载[60天内]不扣币。
4、开具发票登录电脑端申请,请点击【索取发票】。
咨信网客服组:【微信客服】


第5讲-matlab数据拟合.ppt
















自信AI助手














微信客服
客服QQ
发送邮件
意见反馈



链接地址:https://www.zixin.com.cn/doc/14772371.html