《一种分段曲线拟合方法研究 毕业论文》由会员分享，可在线阅读，更多相关《一种分段曲线拟合方法研究 毕业论文（19页珍藏版）》请在金锄头文库上搜索。
1、1一种分段曲线拟合方法研究一种分段曲线拟合方法研究摘摘 要：要：分段曲线拟合是一种常用的数据处理方法，但在分段点处往往不能满足连续与光滑.针 对这一问题，本文给出了一种能使分段点处连续的方法.该方法首先利用分段曲线拟合对数据进行 处理；然后在相邻两段曲线采用两点三次Hermite插值的方法，构造一条连结两条分段曲线的插值 曲线，从而使分段点处满足一阶连续.最后通过几个实例表明该方法简单、实用、效果较好.关键词：关键词：分段曲线拟合 Hermite 插值 分段点 连续Study on A Method of Sub-Curve FittingAbstract：Sub-curve fitting
2、is a commonly used processing method of data, but at sub- points it often does not meet the continuation and smooth, in allusion to to solve this problem, this paper presents a way for making sub-point method continuous. Firstly, this method of sub-curve fitting deals with the data; and then uses th
3、e way of two points cubic Hermite interpolation in the adjacent, structures a interpolation curve that links the two sub-curves, so the sub-point meets first-order continuation; lastly, gives several examples shows that this method is simple, practical and effective. Key words: sub-curve fitting Her
4、mite interpolation sub-point continuous2前前 言言数据拟合是一种重要的数据处理方法,其中最常用的是多项式曲线拟合.然而当数 据点较多时,多项式阶数太低,拟合精度和效果不太理想，要提高拟合精度和效果就需要 提高曲线阶数,但阶数太高又带来计算上的复杂性及其他方面的不利.因此,如果只采用一 种多项式曲线函数拟合较多的数据点,难以取得较好的拟合精度和效果.为有效地解决上 述问题,一般采用分段曲线拟合.以往的分段曲线拟合方法主要是针对在自然科学领域中 测量的数据而使用的拟合方法,这些数据的变化一般都遵循一定的规律.因此,在对这些测 量数据拟合时,传统的分段曲线拟合
5、方法一般是先根据主观经验对数据分段, 然后进行 拟合.但是对于有些实际问题的数据,比如社会、经济生活中的大量统计数据,这些数据变 化的机理一般非常复杂,往往不像物理定律那样有着严格的规律,所以变化的不确定性很 强.因此,传统的分段曲线拟合根据主观经验对数据进行分段的做法就显现出明显地不足. 针对这种不足,国内外许多文献也讨论过，文献1研究的是最小二乘法在曲线拟合中的 实现，给出了最小二乘法在多元正交基函数拟合中的计算机实现方法，以常见的二次 曲线拟合为例说明了程序编制的要点，在实验的数据处理中具有实用价值；文献2讨 论分段最小二乘曲线拟合方法，本文在一般最小二乘的基础上提出分段最小二乘曲线 拟
6、合的方案，讨论了连接分段拟合曲线的方法，并且给出分段最小二乘多项式拟合的 计算方法；文献4主要介绍基于最小二乘原理的分段曲线拟合法，在最小二乘的基础 上，运用实测数据点的分段曲线拟合法，探讨相应的模型以及用不同类型的曲线拟合 同时拟合数据点的具体应用，对一实例,应用MATLAB编程设计，完成模型的求解、显 著性检验等，可以得到拟合精度比较高的拟合曲线，该方法原理简便，其模型易用 MATLAB编程求解；文献5研究的是基于最小二乘法的分段三次曲线拟合方法研究， 多项式曲线拟合是一种较常用的数据处理方法，但当数据点较多时，只采用一种多项 式曲线函数拟合所有数据点难以得到较好的拟合效果，针对传统分段曲
7、线拟合方法中 对数据点分段时经验成分较多的不足，提出了一种基于最小二乘法原理的分段三次曲 线拟合方法，建立三次拟合曲线方程，通过实际数据的检验，验证了该方法的拟合效 果；文献6,7,8主要研究基于分段三次曲线拟合的广州周发案量预测，随着城市化进程 的不断加快，城市人口不断增多，广州市未来治安形势预警，支持政府部门和政法部 门关于治安工作的决策，首先需要对未来时期的发案量做出比较精确的预测，由于目 前广州市方案量统计数据比较少，且发案量受农历春节影响较明显，针对传统时间序 列预测方法在此情况下应用不足，提出了基于分段三次曲线拟合的周发案量预测模型， 并给出了具体的建模、计算步骤，最后通过实际数据
8、的检验，证明了方法预测效果较 好；文献9提出了分段函数的光滑方法及其在曲线拟合中的应用，在分析复杂实验数 据时，采用分段曲线拟合方法，利用此方法在段内可以实现最佳逼近，但在段边界上 却可能不满足连续性与可导性. 为了克服这种现象，本文主要研究一种能使段边界连续的方法，具有一定的理论 和实际意义.在前人的基础上，本文总结分段曲线拟合的方法与步骤，介绍了分段三次 曲线的拟合方法和两点三次Hermite插值，然后讨论如何利用Hermite插值方法使得分段 拟合曲线在连接点处满足连续方法，最后通过一些实例应用，表明本文所介绍的方法 具有一定的应用价值.31 最小二乘曲线拟合 1.1 最小二乘法1 令待
9、求的未知量为12,ta aaL，它们可由 ()n nt个直接测量12,ny yyL通过下列函数关系求得：11122212331212(,)(,)(,)(,)tttnntyf a aayfa aayf a aayfa aaLLLL L L L若ja为真值，由上述已知函数求出真值jy，若其测量值为* jy，则对应的误差为*,(1,2,)jjjyyjnL.最小二乘法可定量表示为：21minnj j（1.1.1） 对不等精度的测量，应加上各测量值的权重因子jp，即：21minnjj jp（1.1.2） 最小二乘法是在随机误差为正态分布时，由最大似然法推出的这个结论.它可使测 量误差的平方和最小，因此被
10、视为从一组测量值中求出一组未知量的最可信赖的方法. 1.2 最小二乘多项式曲线拟合的基本原理2 1.2.1 线性拟合原理将拟合函数取线性函数是一种简单的数据拟合方法，将数据点1122( ,(),(,(),(,()mmxf xxf xxf xK确定线性拟合函数( )xabx （1.2.1.1） 称为对数据的线性拟合。对于线性拟合问题，需要求函数2 ( , ) 1()ma bkk kSabxy（1.2.1.2） 的最小值点，该问题的几何背景是寻求一条直线，使该直线与数据表所确定的平面散 点的纵向距离的平方和最小,如图 1.2.1-1 所示.4xy（图 1.2.1-1） 由函数对两个变量求导得：12
11、(),mkk kSabxya（1.2.1.3）12(),mkkk kSabxy xb（1.2.1.4） 其余等于零，得正规方程组112111,mmkk kkmmmkkkk kkkmax byx ax bx y （1.2.1.5） 也可将其矩阵形式写出来即：112111mmkk kkmmmikkk kkkmxya bxxx y 解得 , a b的值，将其代入（1.2.1.1）即可得到拟合线性函数. 1.2.2 多项式拟合原理为了确定数据拟合问题，选用幂函数21, ,nx xxL作为函数类，则 2 012( )n nxaa xa xa xL (1)nm （1.2.2.1） 这就是多项式拟合函数.
12、为了确定拟合函数2 012( )n nxaa xa xa xL的系数，需要求解正规方程组0501 11121 01 111112 01 1111mmm n kknk kkkmmmm n kkknkk kkkkmmmm nnnn kkknkk kkkkmax ax ayx ax axax yx axax ax y LLL L LL（1.2.2.2） 也可以用矩阵形式表示为111 0 21 1 1111121111mmm n kkk kkkmmmm n kkkkk kkkknmmmm nnnn kkkkk kkkkmxxy axxxx yaa xxxx y LLMMMMMML解得01,na aaL
13、即可，将其代入（1.2.2.1）即可得到拟合多项式.2 分段曲线拟合 2.1 分段曲线拟合的基本原理3先根据实测数据分布的特点，确定分段数目以及相应拟合曲线类型.拟合函数一般 可选为多项式函数，因为在一定范围内，连续函数可用多项式任意逼近，然后再应用 最小二乘法原理求得各分段拟合方程的系数. 基本步骤为： 第一步：将数据点分段，确定基函数01( ),( ),( )nxxxL，第二步：根据题目要求，建立正规方程组， 第三步：解正规方程组，求出待定系数， 第四步：写出拟合函数. 下面以分段线性拟合与分段三次曲线拟合为例讨论分段拟合的基本过程. 2.1.1 分段线性拟合 我们把给出的数据点分成k组1
14、2,kN NNL，即1122* 1111121211* 2121222222* 1122(,),(,),(,)(,),(,),(,)(,),(,),(,) kkNNNNkkkkkNkNxyxyxyxyxyxyxyxyxyLLL L LL其中12,kN NNL为每组数据的个数.首先考虑线性拟合这种简单的情形，对k组数据点分别应用最小二乘线性拟合， 得到各组数据点所对应的近似线性函数，6111( )g xab x 1111()Nxxx222( )gxab x 1212()NNxxxK K K( )kkkgxab x 11() kkkNkNxxx 而在整个考虑的拟合区间上就得到了1k 条直线段，现在
15、就这1k 条直线段所在 各区间的左端点定义1()() iiiiNiiNg xgx，该函数就成为整个区间上的数据拟合函数.这就是分段最小二乘线性拟合问题. 然而有些数据组并不是每段都呈线性关系，如数据( ,)1,2,iix y inL，根据其散点图却发现其前m个点较接近直线，后nm个点呈现非线性关系，则可分两段拟合.分别 以一次多项式1Y和n次多项式2Y进行拟合，即1Ykxb （2.1.1.1） 为了说明具体的方法，不妨选2Y的阶数为 2，即2 2012Ya xa xa （2.1.1.2） 要保证在边界点(,)mmxy连续光滑，所以存在两个约束条件2 012mmmkxba xa xa和012mka xa，因此，式（2.1.1.1）和（2.1.1.2）的系数是相关的.解得2
