《重庆大学数学实验报告04》由会员分享，可在线阅读，更多相关《重庆大学数学实验报告04（6页珍藏版）》请在金锄头文库上搜索。
1、 课程课程 名称名称 数学实验数学实验 实验项目实验项目 名名 称称 MATLAB 软件入门软件入门 实验项目类型实验项目类型 验证验证 演示演示 综合综合 设计设计 其他其他 指导指导 教师教师 成成 绩绩 一、实验目的及意义一、实验目的及意义 1 了解最小二乘拟合的基本原理和方法； 2 掌握用 MATLAB 作最小二乘多项式拟合和曲线拟合的方法； 3 通过实例学习如何用拟合方法解决实际问题，注意与插值方法的区别。 4 了解各种参数辨识的原理和方法； 5 通过范例展现由机理分析确定模型结构， 拟合方法辨识参数， 误差分析等求解实际问题的过程； 通过该实验的学习，掌握几种基本的参数辨识方法，了
2、解拟合的几种典型应用，观察不同方法得出的模型的准确程度，学习参数的误差分析，进一步了解数学建模过程。这对于学生深入理解数学概念，掌握数学的思维方法，熟悉处理大量的工程计算问题的方法具有十分重要的意义。 二、实验内容二、实验内容 1用 MATLAB 中的函数作一元函数的多项式拟合与曲线拟合，作出误差图； 2用 MATLAB 中的函数作二元函数的最小二乘拟合，作出误差图； 3针对预测和确定参数的实际问题，建立数学模型，并求解。 三、实验步骤三、实验步骤 1开启软件平台MATLAB，开启 MATLAB 编辑窗口； 2根据各种数值解法步骤编写 M 文件 3保存文件并运行； 4观察运行结果(数值或图形)
3、； 5根据观察到的结果写出实验报告，并浅谈学习心得体会。 四、实验要求与任务四、实验要求与任务 根据实验内容和步骤，完成以下具体实验，要求写出实验报告（实验目的问题数学模型算法与编程计算结果分析、检验和结论心得体会） 应用实验应用实验 1 1 旧车价格预测旧车价格预测 某年美国旧车价格的调查资料如下表，其中xi表示轿车的使用年数，yi表示相应的平均价格。试分析用什么形式的曲线来拟合上述的数据，并预测使用 4.5 年后轿车的平均价格大致为多少？ 表 1 xi 1 2 3 4 5 6 7 8 9 10 yi 2615 1943 1494 1087 765 538 484 290 226 204 解
4、：解： 问题分析：问题分析： 已知 xi 表示的是轿车的使用年数，yi 表示的是相应的平均价格，a 表示拟合多项式的系数，dl 表示多项式在在 x=4.5 处的拟合值。可运用拟合将各个系数以及 dl 求出，再比较理论值与实际值偏离的程度（误 差）可以不断精确 4.5 年后轿车的平均价格。 模型假设与建立：模型假设与建立： 运用两组数据进行比较，即 4 次多项式和 9 次多项式的比较。已知数据可在 matlab 中输入以下程序： xi=1:10; yi=2615 1943 1494 1087 765 538 484 290 226 204; a=polyfit(xi,yi,4) dl=polyv
5、al(a,4.5) e=yi-dl;el=sum(e.*e) 或： xi=1:10; yi=2615 1943 1494 1087 765 538 484 290 226 204; a=polyfit(xi,yi,9) dl=polyval(a,4.5) e=yi-dl;el=sum(e.*e) 模型求解：模型求解： 运行程序后得到如下数据： a dl el 4 次多项式 1.0e+003 * 0.0001 -0.0054 0.1002 -0.9082 3.4232 923.0827 6.0255e+006 9 次多项式 1.0e+004 * -0.0000 0.0001 -0.0023 0.
6、0260 -0.1838 0.8231 -2.3218 3.9496 -3.6905 1.6611 923.1696 6.0254e+006 比较数据后可知 9 次多项式的误差较小， 所以应优先选择 9 次多项式的数据。 即 4.5 年后的轿车平均价格 为：923.1696 元。 模型检验：模型检验： 由以上表格可以看出，取平均价格为：923.1696 的数据误差小，基本复合要求。 2 2机器人识别定形工具柄问题机器人识别定形工具柄问题 机器人在不同层次上应用于工业生产、水下探测、核点开发、军事研究等领域和部门。当一个机器人工作时，经常需要识别那些从外形上看来是圆形或椭圆形的仪器或工具柄等基本
7、设备，以便执行进一步的操作。通常在所需操纵的工具柄上放置适当数量的传感器，这些传感器不断向四周发射电信号，机器人身上安置有接收电信号的硬件装置，根据这些信号，机器人将估算出各个传感器当时所在的位置，然后，再利用这些数据获得工具柄的位置。由于硬件设备的限制和测量的随机偏差，所获得的传感器位置数据是有误差的。因此，为了增强识别的准确性和可靠性，工具柄上放置的传感器应多于确定该定形曲线所需的最少点数。 （能否获得比较准确的工具柄位置，对机器人能否有效抓握、操作该工具柄起着关键的作用。 ） 现有一个圆形工具柄，其边缘上放置了 6 个传感器，一机器人在某一个时刻测得这些传感器的位置坐标为：(1,7),(
8、2,6),(5,8),(7,7),(9,5),(3,7),如何确定该圆形工具柄的圆心坐标和半径。 解：解：用拟合的方法确定该圆形工具柄的圆心坐标（用拟合的方法确定该圆形工具柄的圆心坐标（x(1),x(2x(1),x(2）) )和半径和半径 x(3)x(3) M M 文件程序：文件程序： function f=yuan(x,tdata,cdata) tdata=1 2 5 7 9 3; cdata=7 6 8 7 5 7; f=(tdata-x(1).2+(cdata-x(2).2-x(3)2; 输入输入 M M 文件程序文件程序: : clc clear tdata=1 2 5 7 9 3;
9、cdata=7 6 8 7 5 7; x0=0.02,0.05,0.05; x,resnorm=lsqcurvefit(yuan,x0,tdata,cdata) c=yuan(x,tdata); plot(tdata,cdata,o,tdata,c) c1=yuan(x,tdata); e=c1-cdata; e1=sum(e.*e) 图形结果：图形结果： 123456789051015数值结果：数值结果： x = 4.7423 3.3352 3.6463 由结果可知，x(1)=4.7423,x(2)=3.3352,x(3)=3.6463 该圆形工具柄的圆心坐标（4.7423,3.3352)和
10、半径为 3.36463 3 3 经济增长模型经济增长模型 增加生产、发展经济所依靠的主要因素有增加投资、增加劳动力以及技术革新等，在研究国民经济产值与这些因素的数量关系时，由于技术水平不像资金、劳动力那样容易定量化，作为初步的模型，可认为技术水平不变，只讨论产值和资金、劳动力之间的关系。在科学技术发展不快时，如资本主义经济发展的前期，这种模型是有意义的。 用Q，K，L分别表示产值、资金、劳动力，要寻求的数量关系Q(K,L)。经过简化假设与分析，在经济学中，推导出一个著名的 Cobb-Douglas 生产函数： Q(K,L) = aKL， 0,1 （*） 式中,， a要由经济统计数据确定。 现有
11、美国马萨诸塞州 19001926 年上述三个经济指数的统计数据，如下表，试用数据拟合的方法，求出式（*）中的参数 ,，a。 表 2 t Q K L t Q K L 1900 1.05 1.04 1.05 1901 1.18 1.06 1.08 1902 1.29 1.16 1.18 1903 1.30 1.22 1.22 1904 1.30 1.27 1.17 1905 1.42 1.37 1.30 1906 1.50 1.44 1.39 1907 1.52 1.53 1.47 1908 1.46 1.57 1.31 1909 1.60 2.05 1.43 1910 1.69 2.51 1.5
12、8 1911 1.81 2.63 1.59 1912 1.93 2.74 1.66 1913 1.95 2.82 1.68 1914 2.01 3.24 1.65 1915 2.00 3.24 1.62 1916 2.09 3.61 1.86 1917 1.96 4.10 1.93 1918 2.20 4.36 1.96 1919 2.12 4.77 1.95 1920 2.16 4.75 1.90 1921 2.08 4.54 1.58 1922 2.24 4.54 1.67 1923 2.56 4.58 1.82 1924 2.34 4.58 1.60 1925 2.45 4.58 1.6
13、1 1926 2.58 4.54 1.64 提示：由于（*）式对参数 ,，a是非线性的，因此，可以有两种方式进行拟合，一是直接使用 MATLAB软件中的曲线或曲面拟合命令。另一个是将非线性函数转化成线性函数的形式，使用线性函数拟合。 解：解：function q=jingjizz(x,y) q=x(1)*(y(1,:).x(2).*(y(2,:).x(3); 输入输入 M M 文件程序：文件程序： clc clear q=1.05 1.18 1.29 1.30 1.30 1.42 1.50 1.52 1.46 1.60 1.69 1.81 1.93 1.95 2.01 2.00 2.09 1.
14、96 2.20 2.12 2.16 2.08 2.24 2.56 2.34 2.45 2.58; y=1.04 1.06 1.16 1.22 1.27 1.37 1.44 1.53 1.57 2.05 2.51 2.63 2.74 2.82 3.24 3.24 3.61 4.10 4.36 4.77 4.75 4.54 4.54 4.58 4.58 4.58 4.54; 1.05 1.08 1.18 1.22 1.17 1.30 1.39 1.47 1.31 1.43 1.58 1.59 1.66 1.68 1.65 1.62 1.86 1.93 1.96 1.95 1.90 1.58 1.67 1.82 1.60 1.61 1.64; x0=0.1,0.1,0.2; x,resnorm=lsqcurvefit(jingjizz,x0,y,q) k=0:0.1:3;l=k;k,l=meshgrid(k,l); q=x(1)*(k.x(2).*(l.x(3); mesh(k,l,q) 结果：结果： x =
