曲线拟合的应用

曲线拟合的应用摘要：在实际问题中，常常会从一组数据中筛选出对自己有用的部分，这样的问题可转化为寻找一种函数曲线去拟合这些数据，在解决这类问题的数据处理和误差分析中应用最广泛的是曲线拟合。它不但可以提高数据处理效率，而且还能保证相当的精确度。关键词：曲线拟合，最小二乘法，应用1.直线拟合直线拟合数据点的最小二乘法，即找一个一次函数，使二元函数达到最小。由多元函数取得极值的必要条件知，由方程组：化简可得正规方程组：（1-1）由方程组（1-1）解出，即得一次函数为所求的拟合直线.2.幂函数拟合在某些情况下的拟合函数，其中是一个已知常数设有个点，最小二乘幂函数拟合曲线，求函数的最小值？对上式求关于的导数：令导数等于0，化简得：即：为所求的拟合曲线。3.指数拟合3.1求解的非线性最小二乘法设给定一组点集，需要拟合指数曲线采用非线性最小二乘法求下式的最小值：（3.1-1）对上式分别求关于的偏导数，并令导数等于0（3.1-2）化简可得正规方程组：（3.1-3）方程（3.1-3）对于未知数和是线性的，可用牛顿法求解。但这是一个耗时的计算，而且迭代需要好的和的初始值。3.2求解线性化方法设给定一组点集，求指数函数的拟合曲线.对上式两边同取对数得： 令：，，设方程组为（6-1）其中为列满秩矩阵，且方程组（6-1）是矛盾方程组，则因为列满秩，所以正定对称，因而可逆，从而为矛盾方程组的最小二乘解。7.求解数据组的最小二乘拟合函数的一般步骤(1)由给定数据点确定近似函数的表达式，一般可通过描点观察或经验估计得到。(2)按最小二乘原则确定表达式中的参数，即由偏差平方和最小导出正规方程组，求解参数。注意：一些简单的非线性最小二乘问题通常需先做变量代换将问题化为线性最小二乘问题再求解。8.典型应用（1）已知一组实验数据如下表，求它的拟合曲线？-2-1012101029解：建立文件w1.mx=[-2,-1,0,1,2];y=[10,1,0,2,9];plot(x,y,'o')xlabel('自变量xi')ylabel('函数yi')title('散点图')画出所给数据的散点图图8-1数据的散点图图8-1数据的散点图从图可见它像一条抛物线，因而可取抛物线函数.将数据带入方程组（5-4）中，得：解得：，，.拟合曲线为：（2）设一发射源的发射强度公式形如：现测得与的数据如下表：0.20.30.40.50.60.70.83.162.381.751.341.000.740.56使用最小二乘法确定与.解：対强度公式两边同取对数得：令：,,,得：表8-2数据的代换0.20.30.40.50.60.70.81.15060.86710.559620.292670-0.30111-0.57982将数据带入方程组（1-1）中得：解得：,,则：强度公式为：(3)某乡镇企业2004-2010年的利润如下表所示，试预测2011和2012年的生产利润？年份2004200520062007200820092010利润/(万元)80116144158174196202解：由已知数据做一草图，发现该乡镇企业的年生产利润呈直线上升趋势，因此，可用作为拟合函数来预测该乡镇企业未来的年生产利润，为简化计算，可把年份记为，相应年份的利润记作，求如表8-3所示数据的线性最小二乘拟合.表8-3数据的简化123456780116144158174196202方法一：将数据带入方程组（1-1）中得：解得：,拟合曲线为：，则：2011年的生产利润为232.2857万元，2012年的生产利润为252.1428.参考文献[1]JohnH.MathewskurtisD.Fink著.数值方法(MATLAB版)(