一种非线性函数的曲线拟合方法

一种非线性函数的曲线拟合方法（函数公式：k = A*(T^a)*exp(E/T) ）

上一篇文章说了，函数的曲线拟合我以前没做过，所以是摸着石头过河，不知道所采用的方法是否合理，虽然是完成了拟合，不过我觉得自己采用的拟合方法还是比较原始的，希望做曲线拟合的朋友多多指教。

原始数据如下：

T(K) K

200.00 2.5069E-13

220.00 3.5043E-13

223.00 3.6741E-13

225.00 3.7904E-13

250.00 5.4617E-13

275.00 7.5744E-13

295.00 9.6192E-13

298.00 9.9551E-13

300.00 1.0183E-12

325.00 1.3346E-12

350.00 1.7119E-12

375.00 2.1564E-12

400.00 2.6739E-12

425.00 3.2706E-12

450.00 3.9527E-12

475.00 4.7261E-12

480.00 4.8922E-12

500.00 5.5968E-12

525.00 6.5710E-12

550.00 7.6544E-12

575.00 8.8529E-12

600.00 1.0172E-11

800.00 2.5705E-11

1000.00 5.1733E-11

1250.00 1.0165E-10

目标：拟合成k = A*(T^a)*exp(E/T) 模式的公式，

其中A、a和E为未知常数，是我们需要通过曲线拟合要求出的数据。

拟合目标中的公式是幂逼近和指数逼近的混合，用Matlab的cftool 工具箱的自定义函数来逼近，效果并不理想，所以我就参考了网上的一些博客和百度知道等资源，采取如下策略：

首先将非线性的拟合公式转化为线性公式，再用求解线性方程组的矩阵方法求出未知常数的值。

具体地说，拟合公式的线性化表达式为：log(k) = log(A) + a*log(T) + E/T 。这里有三个未知常数log(A)、a 和E，则依次取T，K各三个数据，组成N 个线性方程组：Cx=b，其中：x=[log(A), a, E], C=[1, log(T), 1/T], b=log(k) 。

解这些线性方程组，得到所有方程组的解组成的解矩阵xMat，其大小为N*3，对解矩阵的每一列求平均，即可得到所求的未知常数值。

根据以上策略，可求得未知常数A、a和E的值如下：

A = 3.8858e-020，a = 3.0595，E = -117.2915

程序源码：

function [A,a,E]= fun_NLFit(T,K)

% 函数FUN_NLFIT() 根据输入T，K的数据集，求出拟合公式k = A*(T^a)*exp(E/T) % 的未知常数A,a,E 。

logT=log(T);

logK=log(K);

daoT=T.^(-1);

lenT=length(T);

C=ones(3);

xMat=[];

% 为了提高拟合精度，从第一个数据点开始，依次分别取T、K的三个相邻的数据点% 组成线性方程组，若T 有lenT 个元素，则可组成lenT-2 个方程组

for r=1:lenT-2

C(:,2)=logT(r:r+2);

C(:,3)=daoT(r:r+2);

b=logK(r:r+2);

% C=[1 log(T) 1/T], b=log(k)

x=(C\b)';

xMat=[xMat; x];

% 每解一次方程组，则将解x 存入解矩阵xMat

end

% 对解矩阵的每一列求平均，即可得到所求的未知常数值

logA=mean(xMat(:,1));

A=exp(logA);

a=mean(xMat(:,2));

E=mean(xMat(:,3));

% 画出由点集T、K构成的目标曲线

h1=stem(T,K,'bo'); % ‘bo’表示每个点用一个小圆圈表示

set(h1,'MarkerFaceColor','green'); % 小圆圈内的颜色为绿色

set(h1,'LineStyle','none'); % 隐藏基线到点的连线

set(get(h1,'BaseLine'),'LineStyle','none'); % 隐藏基线

hold on; % 保持由点集构成的目标曲线，以便和拟合曲线进行对比

% 根据拟合公式，求出若干的拟合点，画出拟合曲线

t=200:10:1300;

k=A*(t^a)*exp(E/t);

plot(t,k,'r');

% 拟合曲线用红色表示

xlabel('T'); ylabel('K'); title('Nonlinear Curve Fitting');

拟合效果图如下：

发表于@ 2007年12月16日22:18:00|评论(1 )|编辑