数学模型第十章插值与拟合方法建模--101数据插值方法及应用
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。
插值与拟合
且 f(1.5) ≈L1(1.5) = 0.885。
Lagrange插值法的缺点
• 多数情况下，Lagrange插值法效果是不错的， 但随着节点数n的增大，Lagrange多项式的次 （Runge）现象。
• 例：在[-5,5]上用n+1个等距节点作插值多项 式Ln(x),使得它在节点处的值与函数y = 1/(1+25x2)在对应节点的值相等，当n增大时， 插值多项式在区间的中间部分趋于y(x)，但 对于满足条件0.728<|x|<1的x， Ln(x)并不趋 于y(x)在对应点的值，而是发生突变，产生 剧烈震荡，即Runge现象。
总结
• 拉格朗日插值：其插值函数在整个区间 上是一个解析表达式；曲线光滑；收敛 性不能保证，用于理论分析，实际意义 不大。
• 分段线性插值和三次样条插值：曲线不 光滑（三次样条已有很大改进）；收敛 性有保证；简单实用，应用广泛。
1.2 二维插值
• 二维插值是基于一维插值同样的思想， 但是它是对两个变量的函数Z=f(x,y)进 行插值。
• n=5; • x0=-1:1/(n-1):1;y0=1./(1+25*x0.^2);y1=lagr(x0,y0,x); • subplot(2,2,2), • plot(x,z,'r-',x,y,'m-'),hold on %原曲线 • plot(x,y1,'b'),gtext('L8(x)','FontSize',12),pause %Lagrange曲线
基函数为
l0 (x)
x x1 x0 x1
x2 1 2
2
x
l1(x)
线性插值函数为
十讲插值与拟合ppt课件
关系，且过原点。
2019/7/27
mathworks
19
10.6 曲线拟合
• 所以选取 r1(x)x2,r2(x)x ，用
ya1x2 a2x
作拟合．若无法知道y与x之间的关系，
通常可以将数据（xi，yi），i＝1，2，…，
n作图，直观地判断应该用什么样的曲线 去作拟合．人们常用的曲线有（参见图7）
2019/7/27
mathworks
15
10.6 曲线拟合
• 1．线性最小二乘法
• 曲线拟合问题的提法是，已知一组 （二维）数据，即平面上的n个点（xi,yi)， i=1，2，…，n，xi互不相同，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，如下图， 图中δi为（x i ，y i） 与y=f(x)的距离）．
• 拟合准则是使n个点（xi，yi），i=1，2，…，
n，与y＝f（xi）的距离δi的平方和最小，称最 小二乘准则．
2019/7/27
mathworks
18
10.6 曲线拟合
2．函数rk (x) 的选取
• 面对一组数据（xi，yi）， i = 1， 2，…n，用
线性最小二乘法作曲线拟合时，首要的、也是 关键的一步是恰当地选取 r1(x)r,2(x) , rm (x) 如果通过机理分析、能够知道 y与 x之间应 该有什么样的函数关系，则 r1(x)r,2(x) , rm (x)
• 格式 yi = interp1(x,Y,xi) %返回插值向量yi， 每一元素对应于参量xi，同时由向量x与Y的内 插值决定。参量x指定数据Y的点。若Y为一矩 阵 ， 则 按 Y 的 每 列 计 算 。 yi 是 阶 数 为 length(xi)*size(Y,2)的输出矩阵。
数学建模插值及拟合详解
插值和拟合【1 】试验目标：懂得数值剖析建模的办法,控制用Matlab进行曲线拟合的办法,懂得用插值法建模的思惟,应用Matlab一些敕令及编程实现插值建模.试验请求：懂得曲线拟合和插值办法的思惟,熟习Matlab相干的敕令,完成响应的演习,并将操纵进程.程序及成果记载下来.试验内容：一.插值1．插值的根本思惟·已知有n +1个节点（xj,yj）,j = 0,1,…, n,个中xj互不雷同,节点(xj, yj)可算作由某个函数 y= f（x）产生;·结构一个相对简略的函数y=P(x);·使P经由过程全体节点,即 P (xk) = yk,k=0,1,…, n ;·用P (x)作为函数f ( x )的近似.2．用MA TLAB作一维插值盘算yi=interp1(x,y,xi,'method')注：yi—xi处的插值成果;x,y—插值节点;xi—被插值点;method—插值办法（‘nearest’：最临近插值;‘linear’：线性插值;‘spline’：三次样条插值;‘cubic’：立方插值;缺省时：线性插值）.留意：所有的插值办法都请求x是单调的,并且xi不克不及够超出x的规模.演习1：机床加工问题机翼断面下的轮廓线上的数据如下表：x 0 3 5 7 9 11 12 13 14 15y 0用程控铣床加工机翼断面的下轮廓线时每一刀只能沿x偏向和y偏向走异常小的一步.表3-1给出了下轮廓线上的部分数据但工艺请求铣床沿x偏向每次只能移动单位.这时需求出当x 坐标每转变单位时的y 坐标. 试完成加工所需的数据,画出曲线. 步调1：用x0,y0两向量暗示插值节点;步调2：被插值点x=0:0.1:15; y=y=interp1(x0,y0,x,'spline'); 步调3：plot(x0,y0,'k+',x,y,'r')grid on答：x0=[0 3 5 7 9 11 12 13 14 15 ]; y0=[0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.0 1.6 ]; x=0:0.1:15;y=interp1(x0,y0,x,'spline'); plot(x0,y0,'k+',x,y,'r') grid on0510150.511.522.53．用MA TLAB 作网格节点数据的插值(二维)z=interp2(x0,y0,z0,x,y,’method’)注：z—被插点值的函数值;x0,y0,z0—插值节点;x,y—被插值点;method—插值办法（‘nearest’：最临近插值;‘linear’：双线性插值; ‘cubic’：双三次插值;缺省时：双线性插值）.留意：请求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的值分离不克不及超出x0,y0的规模.4．用MA TLAB作散点数据的插值盘算cz =griddata（x,y,z,cx,cy,‘method’）注：cz—被插点值的函数值;x,y,z—插值节点;cx,cy—被插值点;method—插值办法（‘nearest’：最临近插值;‘linear’：双线性插值; ‘cubic’：双三次插值;'v4‘：Matlab供给的插值办法;缺省时：双线性插值）.演习2：航行区域的警示线某海域上频仍地有各类吨位的船只经由.为包管船只的航行安然,有关机构在低潮时对水深进行了测量,下表是他们供给的测量数据：水道水深的测量数据x 129.0140.0 103.5 88.0 185.5 195.0 105.5y 7.5 141.5 23.0 147.0 22.5 137.5 85.5z 4 8 6 8 6 8 8x157.5 107.5 77.0 81.0 162.0 162.0 117.5y -6.5 -81.0 3.0 56.5 -66.5 84.0 -33.5z 9 9 8 8 9 4 9个中（x, y）为测量点,z为（x, y）处的水深(英尺),水深z是区域坐标（x, y）的函数z= z (x, y）,船的吨位可以用其吃水深度来反应,分为4英尺.英尺.5英尺和英尺 4 档.航运部分要在矩形海域（75,200）×（－50,150）上为不合吨位的航船设置警示标识表记标帜.请依据测量的数据描写该海域的地貌,并绘制不合吨位的警示线,供航运部分应用. 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=-70:0.5:150;cz=griddata(x,y,z,cx,cy','cubic');meshz(cx,cy,cz),rotate3dxlabel('X'),ylabel('Y'),zlabel('Z')%pausefigure(2),contour(cx,cy,cz,[-5 -5]);grid on,hold onplot(x,y,'+')xlabel('X'),ylabel('Y')200XYZXY80100120140160180200-60-40-20020406080100120140演习3：估量水塔的水流量—93,请绘出三次样条插值曲线,并盘算一天的总的用水量. 解：t0=[0.46,1.38,2.4,3.41,4.43,5.44,6.45,7.47,8.45,11.49,12.49,13.42,14.43,15.44,16.37,17.38,18.49,19.50,20.40,24.43,25.32];v0=[11.2,9.7,8.6,8.1,9.3,7.2,7.9,7.4,8.4,15.6,16.4,15.5,13.4,13.8,12.9,12.2,12.2,12.9,12.6,11.2,3.5]; t=0:0.1:26; y=interp1(t0,v0,t,'spline'); plot(t0,v0,'k+',t,y,'r') grid on0510********-10-55101520二.曲线拟合已知一组（二维）数据,即平面上 n 个点（xi,yi) i=1,…n, 追求一个函数（曲线）y=f(x), 使 f(x) 在某种准则下与所稀有据点最为接近,即曲线拟合得最好.最经常应用的办法是线性最小二乘拟合 1．多项式拟合⏹对给定的数据（xj,yj）,j = 0,1,…, n;⏹拔取恰当阶数的多项式,如二次多项式g(x)=ax^2+bx+c;⏹使g(x)尽可能逼近（拟合）这些数据,但是不请求经由给定的数据（xj,yj）; 2．多项式拟合指令1）多项式f(x)=a1xm+ …+amx+am+1拟合指令:a=polyfit(x,y,m)a：输出多项式拟合系数a[a1,a2,…,am];x,y：输出长度雷同的数组;m：多项式的次数. 2）多项式在x处的值y的盘算敕令：y=polyval（a,x）演习4：对下面一组数据作二次多项式拟合写出拟合敕令：plot(x,y,'k+',x,z,'r')作出数据点和拟合曲线：0.10.20.30.40.50.60.70.80.91写出拟合的二次多项式：0317.01293.208108.9)(2-+-=x x x f3．可化为多项式的非线性拟和曲线改直是工程中又一经常应用的断定曲线情势的办法,很多罕有的函数都可以经由过程恰当的变换转化为线性函数.（1）幂函数 by ax c =+ln ln ln y c a b x -=+（2）指数函数 xy ab c =+ln ln ln y c a x b -==（3）抛物函数 2,(0)y ax bx c x =++≠b ax xcy +=- 演习5：完成教材P93页的习题5的第一小题. x0=[0,300,600,1000,1500,2000];x=0:100:2000;y0=[0.9689,0.9322,0.8969,0.8519,0.7989,0.7491];y=interp1(x0,y0,x,'spline');plot(x0,y0,'k+',x,y,'r')grid on0200400600800100012001400160018002000。
数学建模之插值与拟合
matlab中拟合的函数
非线性曲线拟合 Matlab中对于多项式拟合，有现成的函数
c = lsqcurvefit ( ′fun′, x0, xdata, ydata)
matlab中拟合的函数
非线性曲线拟合例题
对下面的x、y进行数据拟合
x=[3.6,7.7,9.3,4.1,8.6,2.8,1.3,7.9,10,5.4]; y=[16.5,150.6,263.1,24.7,208.5,9.9,2.7,163.9,325,54.3];
最小二乘法
线性最小二乘法是解决曲线拟合最常用的方法，基本 思路是，令
f (x) a1r1(x) a2r2 (x) amrm (x) • 其中,rk(x)是事先选定的一组线性无关的函数,ak是待定系
数(k=1,2,...,m,m<n)。拟a合准则是使yi，i=1,2,3...,n，与f (xi )
• 求：利用最小二乘法求得上述拟合函数
求解方法
（1）做散点图，通过散点图判断函数为：y=ax+b
（2）根据最小二乘法原理可知，即使下式中M最小
10
M yi axi b2
i 1
（3）把M看作是自变量为a和b的函数，由多元函数取最值
的条件可知:
M M
a b
a, a,
b b
0 0
M
a
M
b
目录
1
插值法与拟合法
2 matlab中插值的函数
3 matlab中拟合的函数 4 插值与拟合的运用
插值法与拟合法的基本介绍
插值法：求过已知有限个数据点的近似函数。
拟合法：已知有限个数据点，求近似函数，不要求
过已知数据点，只要求在某种意义下它在这些点上 的总偏差最小。
数学建模插值与拟合课件
设函数 y f (x) 在 n 1个相异点 x0 , x1, x2 , , xn 上的值为 y 0 , y1, y2 , , yn ，要求一个次数≤n 的代数多
项式
Pn (x) a0 a1x a2 x 2 an x n
使在节点 xi 上成立 Pn (xi ) yi (i 0,1,2, , n) ，称此为 n 次代数插值问题，Pn (x) 称为插值多项式。可以证明 n
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。
图所示，当n 增大时，pn x在两端会发出激烈
的振荡，这就是所谓龙格现象。
龙格现象
2
y=1/(1+x2) y=p4(x) y=p10(x) 1.5
1
0.5
0
-0.5
-5 -4 -3 -2 -1
0
1
2
3
4
5
x
To MATLAB lch(larg1)
分段插值的概念
所谓分段插值，就是将被插值函数逐段 多项式化。一般来说，分段插值方法的处理 过程分两步，先将所考察的区间作一分划
y1
lj(x)
当n =2 时，有三点二次（抛物线）插值多项式：
P2
(x)
(x (x0
x1)(x x2 ) x1)(x0 x2 )
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
数学建模插值和拟合问题的总结
插值和数据拟合一、 插值方法问题：已知n+1个节点(x j ,y j )(j=0,1,…,n)，a=x 0<x 1<…< x n =b ，求任一插值点x*处的插值y*方法：构造一个相对简单的函数y=f(x)，使得f 通过所有节点，即f(x j )= y j ,再用y=f(x)计算x*的值。
1. 拉格朗日多项式插值设f(x)是n 次多项式，记作1110()n n n n n L x a x a x a x a --=++++要求对于节点(,)j j x y 有(),0,1,,n j j L x y j n ==将n+1个条件带入多项式，就可以解出多项式的n+1个系数。
实际上，我们有n 次多项式011011()()()()()()()()()i i n i i i i i i i n x x x x x x x x l x x x x x x x x x -+-+----=----满足1,()0,,,0,1,,i j i jl x i j i j n =⎧=⎨≠=⎩则0()()nn i i i L x y l x ==∑就是所要的n 次多项式，称为拉格朗日多项式。
由拉格朗日多项式计算的插值称为拉格朗日插值。
一般来讲，并不是多项式的阶数越高就越精确，一般采用三阶、二阶或一阶（线性）多项式，对相邻点进行分段插值。
2. 样条插值在分段插值时，会造成分段点处不光滑，如果要求在分段点处光滑，即不仅函数值相同，还要一阶导数和二阶导数相同，则构成三阶样条插值。
一般用于曲线绘制，数据估计等。
例 对21,[5,5](1)y x x =∈-+，用n=11个等分节点做插值运算，用m=21个等分插值点作图比较结果。
见inter.m 程序二、 曲线拟合 三、 给药方案 １． 问题一种新药用于临床必须设计给药方案，在快速静脉注射的给药方式下，就是要确定每次注射剂量多大，间隔时间多长．我们考虑最简单的一室模型，即整个机体看作一个房室，称为中心室，室内血液浓度是均匀的．注射后浓度上升，然后逐渐下降，要求有一个最小浓度1c 和一个最大浓度2c ．设计给药浓度时，要使血药浓度保持在1c ~2c 之间．２． 假设（１）药物排向体外的速度与中心室的血药浓度成正比，比例系数是k(>0)，称为排出速度．（２）中心室血液容积为常数V ，t=0的瞬间注入药物的剂量为d ，血药浓度立即为dV． ３． 建模设中心室血药浓度为c(t)，满足微分方程(0)dckc dtd c V=-=用分离变量法解微分方程，有()ktd c te V-=(*) ４． 方案设计每隔一段时间τ，重复注入固定剂量D ，使血药浓度c(t)呈周期变化，并保持在1c ~2c 之间．如图：设初次剂量加大到D 0，易知0221,D Vc D Vc Vc ==-，2121()11ln[],()()ln c Vc t t t c t c k d k c τ=-=-= 那么，当12,c c 确定后，要确定给药方案0{,,}D D τ，就要知道参数V 和k ．５． 由实验数据做曲线拟合确定参数值已知1210,25(/)c c g ml μ==，一次注入300mg 药物后，间隔一定ln lndc kt V=- 记12ln ,,lndy c a k a V==-=，则有 12y a t a =+求解过程见medicine_1.m得120.2347, 2.9943a a =-=，由d=300(mg)代入算出k=0.2347,V=15.02(L) 从而有0375.5(),225.3(), 3.9()D mg D mg τ===小时四、 口服给药方案 １． 问题口服给药相当于先有一个将药物从肠胃吸收入血液的过程，可简化为一个吸收室，一个中心室，记t 时刻，中心室和吸收室的血液浓度分别是1()()c t c t 和，容积分别是V ,V1，中心室的排除速度为k ，吸收速度为k1，且k,k1分别是中心室和吸收室血液浓度变化率与浓度的比例系数，t=0口服药物的剂量为d ，则有11111,(0)dc dk c c dt V =-= (1) 111,(0)0V dckc k c c dt V=-+= (2) 解方程(1)有111()k td c te V -=代入方程(2)有111()()k t kt k d c t e e V k k--=--其中三个参数1,,dk k b V=,可由下列数据拟合得到：（非线性拟合）。
数学建模课件——拟合与插值[课堂课资]
![数学建模课件——拟合与插值[课堂课资]](https://img.taocdn.com/s3/m/7578ddab10661ed9ad51f3f1.png)
i 1
i 1
nm
[ ak rk (xi ) yi ]2
(2)
i1 k 1
问题归结为，求 a1,a2, …am 使 J(a1,a2, …am) 最小。
8
2020/6/27
线性最小二乘法的求解：预备知识
超定方程组：方程个数大于未知量个数的方程组
r11a1
r12a2
r1m am
y1
(n m)
+
+
y=f(x) +
x i 为点（xi,yi) 与曲线 y=f(x) 的距离
6
2020/6/27
线性最小二乘拟合 f(x)=a1r1(x)+ …+amrm(x)中 函数{r1(x), …rm(x)}的选取 1. 通过机理分析建立数学模型来确定 f(x)；
2. 将数据 (xi,yi) i=1, …n 作图，通过直观判断确定 f(x)：
则称a为上述超定方程的最小二乘解。
9
2020/6/27
线性最小二乘法的求解
所以，曲线拟合的最小二乘法要解决的问题，实际上就是求以 下超定方程组的最小二乘解的问题。
Ra=y
（3）
其中
r1 ( x1 ) rm ( x1 )
R
,
r1 ( xn ) rm ( xn )
a1
a
,
am
y1
11
中 的 A (a1, a2, a3) 使得:
[ f ( xi ) yi ]2 最小
i 1
x12 x22
, ,
x1, 1 x2 , 1
K K K
x121, x11, 1
a1
a2
a3
y1
(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
第十章 数据拟合与插值
li ( x ) 是 n 次多项式且满足
j ≠ i, 0, li ( x j ) = j = i, i, j = 0,1, , n 。 1, l ( x) 为节点 x 0 , x1 ,, x n 上的 n 次插值基函数。令 称 n 次多项式 i Ln ( x ) = ∑ y i l i ( x )
x 0 , x1 ,, x n
互异，满足插值条件（10.1）的
插值多项式（10.2）存在唯一。 从几何上看，上述多项式插值就是过 n + 1 个数据点 项式曲线 y = f ( x) 近似原有曲线 y = g ( x ) 。 当 x ∈ [ a, b] 且 （多项式） f ( x) 之间的差
(x j , y j )
第十章第十章数据拟合与插值数据拟合与插值101引言引言在解决实际问题的生产或工程实践和科学实验过程中通常需要通过研究某些变量之间的函数关系来帮助我们认识事物的内在规律和本质属性而这些变量之间的未知函数关系又常常隐含在从试验观测得到的一组数据之中
第十章
数据拟合与插值
§10.1 引言
在解决实际问题的生产（或工程）实践和科学实验过程中，通常需要通过研究某些变量之 间的函数关系来帮助我们认识事物的内在规律和本质属性，而这些变量之间的未知函数关系又 常常隐含在从试验、 观测得到的一组数据之中。 因此，能否根据一组试验观测数据找到变量之间 相对准确的函数关系就成为解决实际问题的关键。 例如在工程实践和科学实验中，常常需要从一组试验观测数据 ( xi , y j ) ， i = 0,1, , n 之 中找到自变量 x 与因变量 y 之间的函数关系，一般可用一个近似函数 y = f ( x) 来表示。函数
， i = 0,1, , n 。
i = 0,1, , n 。在这种情况下，通常要求观测数据相对比较准确，即不考虑观测误差的影响。
插值与数据拟合建模
因此，在时段[t，t+Δt]，从B侧渗透至A侧的该物质的质量为：
于是有：
两边除以Δt，并令Δt→0取极限再稍加整理即得：
（1）
2) 注意到整个容器的溶液中含有该物质的质量不变,与初始时刻该物质的含量相同，因此
思考
最小二乘拟合函数 f(x，a1， …am)的选取
1. 通过机理分析建立数学模型来确定 f；
2. 将数据 (xi,yi) i=1, …n 作图，通过直观判断确定 f：
2. 作一般的最小二乘曲线拟合，可利用已有程序curvefit,其调用格式为： a=curvefit(‘f’, a0, x, y)
这本四位数学用表给出sin ＝0.576，sin =0.5783。小华认为在sin 到sin 这样小的范围内，正弦可以近似为线性函数，于是很容易地得到Sin =0.576+(0.5783-0.5760)×0.6=0.5774
聪明的小华用的这个办法是一种插值方法——分段线性插值。实际上，插值可以理解为，要根据一个用表格表示的函数，计算表中没有的函数值。 表中有的，如（sin ，0.5760）(sin ,0.5783)称为节点；要计算的，如sin ，称为插值点，结果（0.5774）即为插值。小华作的线性函数为插值函数，插值函数所表示的直线当然要通过节点。
1. 作多项式f(x)=a1xm+ …+amx+am+1函数拟合,可利用已有程序polyfit,其调用格式为:
a=polyfit(x,y,m)
用MATLAB作最小二乘拟合
注：f为拟合函数y=f(a,x)的函数M—文件，f(a,x)为拟合函数。
- 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)。
13.12.2020
课件
6
根据地图的比例，18 mm 相当于 40 km。
根据测量数据，利用 MATLAB 软件对上下边界
进行线性多项式插值，分别求出上边界函数 f2 (x) ，
下边界函数 f1(x) ，利用求平面图形面积的数值积分 方法—将该面积近似分成若干个小长方形，分别求
出这些长方形的面积后相加即为该面积的近似解。
5 188.6
11 191.6
17 458.3
13.12.2020
课件
12
我们将园周展开，借助 MATLAB 软件画出对应的 柱高曲线散点图(下图)。 clear;close; x=linspace(0,2*pi*300,19); y=[502.8 ,525.0,514.3,451.0,326.5,188.6,92.2, 59.6,62.2,102.7,147.1,191.6,236.0,280.5,324.9 ,369.4,413.8,458.3,502.8]; plot(x,y,’o’); axis([0,2000,0,550]);
次样条插值。
13.12.2020
课件
17
例 3、某居民区的自来水是由一个园柱形的水塔提供。 水塔高 12.2 米，直径 17.4 米。水塔由水泵根据塔中水 位高低自动加水，一般每天水泵工作两次。按照设计， 当水塔内的水位降至约 8.2 米时，水泵自动启动加水； 当水位升至约 10.8 米时，水泵停止工作。现在需要了 解该居民区用水规律，这可以通过用水率（单位时间 的用水量）来反映。通过间隔一段时间测量水塔中的 水位来估算用水率。
可以证明当 m n 且 x0 x1 xn 时，这样的多项式 存在且唯一。若要求得到函数表达式，可直接解上 面方程组。
13.12.2020
课件
9
若只要求得函数在插值点处数值，可用下列
Lagrange 插值公式
Pn (x)
n i0
n
yi (
j0, ji
x xj ) xi x j
多项式插值光滑但不具有收敛性，一般不宜采用高
13.12.2020
课件
13
13.12.2020
课件
14
可见，可以用三次多项式插值，下面给出借助
MATLAB 软件画出的柱高插值曲线图（下图）。 xi=0:2*pi*300; yi=interp1(x,y,xi,’cubic’); plot(xi,yi);
13.12.2020
课件
15
13.12.2020
次多项式（如 m>7）插值。
13.12.2020
课件
10
例 2、在万能拉拨机中有一个园柱形凸轮，其底园半 径 R=300mm，凸轮的上端面不在同一平面上，而要 根据动杆位移变化的需要进行设计制造。按设计要 求，将底园周 18 等分，旋转一周。第 i 个分点对应柱 高 yi (i 0,1,2,,18) ，数据见下表。为了数控加工，需要 计算出园周上任一点的柱高。
n
S
lim
n )
f1 (i )]xi
式中，i [xi1, xi ] 。
这里13.12线.2020性插值和面积计算课源件 程序如下：
7
clear all
x=[7.0 10.5 13.0 17.5 34.0 40.5 44.5 48.0 56.0 61.0 68.5 76.5
80.5 91.0 96.0 101.0 104.0 106.5 111.5 118.0 123.5 136.5 142.0
x 7.0 10.5 13.0 17.5 34.0 40.5 44.5 48.0 56.0 y1 44 45 47 50 50 38 30 30 34 y2 44 59 70 72 93 100 110 110 110 x 61.0 68.5 76.5 80.5 91.0 96.0 101.0 104.0 106.5 y1 36 34 41 45 46 43 37 33 28 y2 117 118 116 118 118 121 124 121 121 x 111.5 118.0 123.5 136.5 142.0 146.0 150.0 157.0 158.0 y1 32 65 55 54 52 50 66 66 68 y2 121 122 116 83 81 82 86 85 68
课件
16
3、样条插值
这是最常用的插值方法。数学上所说的样条，实质上
是指分段多项式的光滑连接。设有
a x0 x1 xn b
称分段函数 S(x) 为 k 次样条函数,若它满足
(1) S(x) 在每个小区间上是次数不超过 k 次的多项式;
(2) S(x) 在[a,b] 上具有直到 k 1阶的连续导数。 用样条函数作出的插值称为样条插值。工程上广泛采用三
124 121 121 121 122 116 83 81 82 86 85 68];
newx=7:0.1:158;
newy1=interp1(x,y1,newx,’linear’);
newy2=interp1(x,y2,newx,’linear’);
Area=sum((newy2- newy1)*0.1/18^2*1600)
最后计算的面积约为 13.12.2020
424课1件4
平方公里。
8
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
146.0 150.0 157.0 158.0];
y1=[44 45 47 50 50 38 30 30 34 36 34 41 45 46 43 37 33 28 32
65 55 54 52 50 66 66 68];
y2=[44 59 70 72 93 100 110 110 110 117 118 116 118 118 121
13.12.2020
课件
11
凸轮高度的数据（单位：mm）
i 0 和 18
yi 502.8
i
6
yi 92.2
i
12
yi 236.0
1 525.0
7 59.6 13 280.5
2 514.3
8 62.2 14 324.9
3 451.0
9 102.7
15 369.4
4 326.5
10 147.1
16 413.8