用MATLAB作曲线拟合分析解析

1.线性拟合作多项式f(x)=a1xm+…+amx+am+1拟合,可用以下命令:a=polyfit(x,y,m)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=[a1,…am,am+1](数组)）输入同长度的数组X，Y拟合多项式次数用MATLAB作曲线拟合解：输入以下命令：x=0:0.1:1;y=[-0.4471.9783.286.167.087.347.669.569.489.3011.2];A=polyfit(x,y,2)%作出数据点和拟合曲线的图形z=polyval(A,x);plot(x,y,'k+',x,z,'r')2）计算结果：Ａ=-9.810820.1293-0.031700.20.40.60.81-20246810120317.01293.208108.9)(2xxxf例对下面一组数据作二次多项式拟合xi0.10.20.40.50.60.70.80.91yi1.9783.286.167.347.669.589.489.3011.2（1）lsqcurvefit已知数据点：xdata=（xdata1，xdata2，…，xdatan），ydata=（ydata1，ydata2，…，ydatan）2.非线性拟合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.最小)),((21niiiydataxdataxFlsqcurvefit用以求含参量x（向量）的向量值函数F(x,xdata)=（F（x，xdata1），…，F（x，xdatan））T中的参变量x(向量),使得输入格式为:(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lsqnonlin用以求含参量x（向量）的向量值函数f(x)=(f1(x),f2(x),…,fn(x))T中的参量x，使得最小。其中fi（x）=f（x，xdatai，ydatai）=F(x,xdatai)-ydatai22221)()()()()(xfxfxfxfxfnT2.lsqnonlin已知数据点：xdata=（xdata1，xdata2，…，xdatan）ydata=（ydata1，ydata2，…，ydatan）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10020030040050060070080090010004.544.995.355.655.906.106.266.396.506.59jt310jc210102.0][),,(minjjktcbeakbaFj例2用下面一组数据拟合中的参数a，b，kktbeatc2.0.0)(该问题即解最优化问题：1）编写M-文件curvefun1.mfunctionf=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=100:100:1000cdata=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)Tktktbeabea),,(10102.002.0解法1.用命令lsqcurvefitTktktcbeacbea),,(102.0102.0101解法2：用命令lsqnonlinf(x)=F(x,tdata,ctada)=x=（a，b，k）1）编写M-文件curvefun2.mfunctionf=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)-cdata2）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cdatatdata的值写在curvefun2.m中可以看出,两个命令的计算结果是相同的.3）运算结果为：f=0.00430.00510.00560.00590.00610.00620.00620.00630.00630.0063x=0.0063-0.00340.25424）拟合得a=0.0063b=-0.0034k=0.2542温度t(0C)20.532.751.073.095.7电阻R()7658268739421032例.由数据拟合R=a1t+a2用命令：polyfit(x,y,m)得到a1=3.3940,a2=702.4918练习1用给定的多项式，如y=x3-6x2+5x-3，产生一组数据(xi,yi，i=1,2,…,n),再在yi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xi和添加了随机干扰的yi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？teVVVtv)()(0t(秒)0.51234579V(伏)6.366.487.268.228.668.999.439.63练习2.已知数据：求拟合函数：