数学建模～插值与拟合
合集下载
相关主题
- 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)。
2．以平滑数据,在 x、y方向上每隔0.2个单位的地方进行插值.
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.
To MATLAB (wendu)
%作图
To MATLAB (temp)
例 已知飞机下轮廓线上数据如下，求x每改变0.1时的y值．
X0 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 1.0 1.6
y
机翼下
轮wenku.baidu.com线
x
To MATLAB(plane)
返回
用MATLAB作网格节点数据的插值
例 山区地貌：
在某山区测得一些地点的高程如下表。平面区域为 1200<=x<=4000,1200<=y<=3600)
试作出该山区的地貌图和等高线图，并对几种插值方法进行比较。
X Y
1200 1600 2000 2400 2800 3200 3600
1200
1130 1320 1390 1500 1500 1500 1480
用MATLAB作插值计算
一维插值函数： yi=interp1(x，y，xi，'method')
xi处的插 值结果
插值节点
注意：所有的插值方法 都要求x是单调的，并且xi不 能够超过x的范围．
被插值点
插值方法
‘nearest’ 最邻近插值； ‘linear’ 线性插值； ‘spline’ 三次样条插值； ‘cubic’ 立方插值； 缺省时 分段线性插值．
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
z=interp2(x0,y0,z0,x,y,’method’)
被插值点 的函数值
插值 节点
被插值点 插值方法
‘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.
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．
例：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．试估计每隔 1/10小时的温度值．
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:') xlabel('Hour'),ylabel('Degrees Celsius’)
数学建模～插值与拟合
一、概述
我们经常会遇到大量的数据需要处理， 而处理数据的关键就在于这些算法，例如 数据拟合、参数估计、插值等数据处理算 法。此类问题在MATLAB中有很多现成的 函数可以调用，熟悉MATLAB，这些方法 都能游刃有余的用好。
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。
如果不要求近似函数通过所有数据点， 而是要求它能较好地反映数据变化规律的近 似函数的方法称为数据拟合。（必须有函数 表达式）
近似函数不一定（曲线或曲面）通过所 有的数据点。
三、插值与拟合的区别和联系
1、联系 都是根据实际中一组已知数据来构造一个能够 反映数据变化规律的近似函数的方法。 2、区别 插值问题不一定得到近似函数的表达形式，仅 通过插值方法找到未知点对应的值。数据拟合 要求得到一个具体的近似函数的表达式。
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．
1.先在三维坐标画出原始数据，画出粗糙的温度分布曲线图.
输入以下命令：
x=1:5; y=1:3; temps=[82 81 80 82 84;79 63 61 65 81;84 84 82 85 86]; mesh(x,y,temps)
3200
900 700 1100 1200 1550 1600 1300
四、插值的使用及求解
4.1 引言 当数据量不够，需要补充，且认定已有数
据可信时, 通常利用函数插值方法。
实际问题当中碰到的函数 f (x) 是各种各 样的，有的表达式很复杂，有的甚至给不出数 学的式子，只提供了一些离散数据，警如，某 些点上的函数值和导数值。
4.2 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：
预测点和实测点的图形
插值后的图形
喝两瓶酒的拟合曲线 喝1-5瓶酒的拟合曲线
二、基本概念
在实际中，常常要处理由实验或测量所 得到的一些离散数据。插值与拟合方法就是 要通过这些数据去确定某一类已知函数的参 数或寻求某个近似函数，使所得到的近似函 数与已知数据有较高的拟合精度。
如果要求这个近似函数（曲线或曲面） 经过所已知的所有数据点，则称此类问题为 插值问题。 （不需要函数表达式）
（1）拉格朗日插值（lagrange插值） （2）分段线性插值 （3）Hermite （4）三次样条插值。
4.3 MATLAB实现插值
Matlab 实现：实现分段线性插值不需 要编制函数程序，它自身提供了内部的功 能函数 interp1(一维插值) intep2(二维) interp3(三维) intern(n维)
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.
To MATLAB (wendu)
%作图
To MATLAB (temp)
例 已知飞机下轮廓线上数据如下，求x每改变0.1时的y值．
X0 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 1.0 1.6
y
机翼下
轮wenku.baidu.com线
x
To MATLAB(plane)
返回
用MATLAB作网格节点数据的插值
例 山区地貌：
在某山区测得一些地点的高程如下表。平面区域为 1200<=x<=4000,1200<=y<=3600)
试作出该山区的地貌图和等高线图，并对几种插值方法进行比较。
X Y
1200 1600 2000 2400 2800 3200 3600
1200
1130 1320 1390 1500 1500 1500 1480
用MATLAB作插值计算
一维插值函数： yi=interp1(x，y，xi，'method')
xi处的插 值结果
插值节点
注意：所有的插值方法 都要求x是单调的，并且xi不 能够超过x的范围．
被插值点
插值方法
‘nearest’ 最邻近插值； ‘linear’ 线性插值； ‘spline’ 三次样条插值； ‘cubic’ 立方插值； 缺省时 分段线性插值．
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
z=interp2(x0,y0,z0,x,y,’method’)
被插值点 的函数值
插值 节点
被插值点 插值方法
‘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.
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．
例：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．试估计每隔 1/10小时的温度值．
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:') xlabel('Hour'),ylabel('Degrees Celsius’)
数学建模～插值与拟合
一、概述
我们经常会遇到大量的数据需要处理， 而处理数据的关键就在于这些算法，例如 数据拟合、参数估计、插值等数据处理算 法。此类问题在MATLAB中有很多现成的 函数可以调用，熟悉MATLAB，这些方法 都能游刃有余的用好。
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。
如果不要求近似函数通过所有数据点， 而是要求它能较好地反映数据变化规律的近 似函数的方法称为数据拟合。（必须有函数 表达式）
近似函数不一定（曲线或曲面）通过所 有的数据点。
三、插值与拟合的区别和联系
1、联系 都是根据实际中一组已知数据来构造一个能够 反映数据变化规律的近似函数的方法。 2、区别 插值问题不一定得到近似函数的表达形式，仅 通过插值方法找到未知点对应的值。数据拟合 要求得到一个具体的近似函数的表达式。
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．
1.先在三维坐标画出原始数据，画出粗糙的温度分布曲线图.
输入以下命令：
x=1:5; y=1:3; temps=[82 81 80 82 84;79 63 61 65 81;84 84 82 85 86]; mesh(x,y,temps)
3200
900 700 1100 1200 1550 1600 1300
四、插值的使用及求解
4.1 引言 当数据量不够，需要补充，且认定已有数
据可信时, 通常利用函数插值方法。
实际问题当中碰到的函数 f (x) 是各种各 样的，有的表达式很复杂，有的甚至给不出数 学的式子，只提供了一些离散数据，警如，某 些点上的函数值和导数值。
4.2 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：
预测点和实测点的图形
插值后的图形
喝两瓶酒的拟合曲线 喝1-5瓶酒的拟合曲线
二、基本概念
在实际中，常常要处理由实验或测量所 得到的一些离散数据。插值与拟合方法就是 要通过这些数据去确定某一类已知函数的参 数或寻求某个近似函数，使所得到的近似函 数与已知数据有较高的拟合精度。
如果要求这个近似函数（曲线或曲面） 经过所已知的所有数据点，则称此类问题为 插值问题。 （不需要函数表达式）
（1）拉格朗日插值（lagrange插值） （2）分段线性插值 （3）Hermite （4）三次样条插值。
4.3 MATLAB实现插值
Matlab 实现：实现分段线性插值不需 要编制函数程序，它自身提供了内部的功 能函数 interp1(一维插值) intep2(二维) interp3(三维) intern(n维)