《美国大学生数学建模竞赛讲义-插值拟合问题》由会员分享，可在线阅读，更多相关《美国大学生数学建模竞赛讲义-插值拟合问题（43页珍藏版）》请在金锄头文库上搜索。
1、数模常规算法：插值与拟合插值与拟合插值与拟合一 插值的基本原理二 拟合的基本原理三 插值和拟合的基本关系四 插值的Matlab实现五 拟合的Matlab实现 我们经常会遇到大量的数据需要处理，我们经常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，例如而处理数据的关键就在于这些算法，例如数据拟合、参数估计、插值等数据处理算数据拟合、参数估计、插值等数据处理算法。此类问题在法。此类问题在MATLAB中有很多现成的中有很多现成的函数可以调用，熟悉函数可以调用，熟悉MATLAB，这些方法，这些方法都能游刃有余的用好。都能游刃有余的用好。一、一、概述概述 数据拟合在很多赛题中有应用，与图形处
2、理有数据拟合在很多赛题中有应用，与图形处理有关的问题很多与插值和拟合有关系，例如关的问题很多与插值和拟合有关系，例如9898年美国年美国赛赛A A题，生物组织切片的三维插值处理，题，生物组织切片的三维插值处理，9494年年A A题逢题逢山开路，山体海拔高度的插值计算，山开路，山体海拔高度的插值计算，20032003年吵的沸年吵的沸沸扬扬的沸扬扬的“非典非典”问题也要用到数据拟合算法，观问题也要用到数据拟合算法，观察数据的走向进行处理，察数据的走向进行处理，20052005年的雨量预报的评价年的雨量预报的评价的插值计算。的插值计算。20012001年的公交车调度拟合问题，年的公交车调度拟合问题，
3、20032003年的饮酒驾车拟合问题。年的饮酒驾车拟合问题。预测点和实测点的图形预测点和实测点的图形插值后的图形插值后的图形喝两瓶酒的拟合曲线喝两瓶酒的拟合曲线喝喝1-5瓶酒的拟合曲线瓶酒的拟合曲线 在实际中，常常要处理由实验或测量所得到的一些离散数据。插值与拟合方法就是要通过这些数据去确定某一类已知函数的参数或寻求某个近似函数，使所得到的近似函数与已知数据有较高的拟合精度。如果要求这个近似函数（曲线或曲面）经过所已知的所有数据点，则称此类问题为插值问题。（不需要函数表达式）二、二、基本概念基本概念 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
4、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。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。三、插值与三、插值与拟合的区别和联系拟合的区别和联系四、四、插值的使用及求解插值的使用及求解 当数据量不够，需要补充，且认定已有数据可信时,通常利用函数插值方法。实际问题当中碰到的函数 f(x)是各种各样的，有的表达式很复杂，有的甚至给不出数学的式子，只提供了一些离散数据，警如，某些点上的函数值和导数值。4.1 4.1 引
5、言引言 选用不同类型的插值函数，逼近的效果就不同，一般有：（1）拉格朗日插值（lagrange插值）（2）分段线性插值（3）Hermite（4）三次样条插值。4.2 4.2 插值方法插值方法 Matlab 实现：实现分段线性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(一维插值)intep2(二维)interp3(三维)intern(n维)4.3 MATLAB 4.3 MATLAB实现插值实现插值用用MATLAB作插值计算作插值计算一维插值函数：一维插值函数：yi=interp1(x，y，xi，method)插值方法插值方法被插值点被插值点插值节点插值节点xi处的插处的插
6、值结果值结果nearest 最邻近插值；最邻近插值；linear 线性插值；线性插值；spline 三次样条插值；三次样条插值；cubic 立方插值；立方插值；缺省时缺省时 分段线性插值分段线性插值 注意：所有的插值方法注意：所有的插值方法都要求都要求x是单调的，并且是单调的，并且xi不能够超过不能够超过x的范围的范围例：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试估计每隔1/10小时的温度值To MATLAB (temp)hours=1:12;temps=5 8 9 15 25 29 31 30
7、22 25 27 24;h=1:0.1:12;t=interp1(hours,temps,h,spline);plot(hours,temps,+,h,t,hours,temps,r:)%作图作图xlabel(Hour),ylabel(Degrees Celsius)xy机翼下机翼下轮廓线轮廓线例例 已知飞机下轮廓线上数据如下，求已知飞机下轮廓线上数据如下，求x每改变每改变0.1时的时的y值值To MATLAB(plane)返回返回 要求要求x0,y0单调；单调；x，y可取可取为矩阵，或为矩阵，或x取行向量，取行向量，y取为列向量，取为列向量，x,y的值分别不能超的值分别不能超出出x0,y0
8、0的范围的范围z=interp2(x0,y0,z0,x,y,method)被插值点插值方法用用MATLAB作网格节点数据的插值作网格节点数据的插值插值节点被插值点的函数值nearest 最邻近插值；最邻近插值；linear 双线性插值；双线性插值；cubic 双三次插值；双三次插值；缺省时缺省时 双线性插值双线性插值.例：测得平板表面35网格点处的温度分别为：82 81 80 82 84 79 63 61 65 81 84 84 82 85 86 试作出平板表面的温度分布曲面z=f(x,y)的图形输入以下命令：x=1:5;y=1:3;temps=82 81 80 82 84;79 63 61
9、65 81;84 84 82 85 86;mesh(x,y,temps)1.先在三维坐标画出原始数据，画出粗糙的温度分布曲线图.2以平滑数据,在 x、y方向上每隔0.2个单位的地方进行插值.再输入以下命令:xi=1:0.2:5;yi=1:0.2:3;zi=interp2(x,y,temps,xi,yi,cubic);mesh(xi,yi,zi)画出插值后的温度分布曲面图.To MATLAB (wendu)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值效果进行比较 插值函数插值函数griddata格式为格式为:
10、cz=griddata（x，y，z，cx，cy，method）用用MATLAB作散点数据的插值计算作散点数据的插值计算 要求要求cx取行向量，取行向量，cy取为列向量取为列向量被插值点插值方法插值节点被插值点的函数值nearest最邻近插值最邻近插值linear 双线性插值双线性插值cubic 双三次插值双三次插值v4-MATLAB提供的插值方法提供的插值方法缺省时缺省时,双线性插值双线性插值 例 在某海域测得一些点(x,y)处的水深z由下表给出，船的吃水深度为5英尺，在矩形区域（75，200）（-50，150）里的哪些地方船要避免进入4.作出水深小于作出水深小于5的海域范围的海域范围,即即z
11、=5的等高线的等高线.2.在矩形区域在矩形区域(75,200)(-50,150)进行插值。进行插值。1.输入插值基点数据输入插值基点数据 3.作海底曲面图作海底曲面图%程序一：插值并作海底曲面图程序一：插值并作海底曲面图 x =129.0 140.0 103.5 88.0 185.5 195.0 105.5 157.5 107.5 77.0 81.0 162.0 162.0 117.5;y=7.5 141.5 23.0 147.0 22.5 137.5 85.5 -6.5 -81 3.0 56.5 -66.5 84.0 -33.5;z=4 8 6 8 6 8 8 9 9 8 8 9 4 9;x
12、1=75:1:200;y1=-50:1:150;x1,y1=meshgrid(x1,y1);z1=griddata(x,y,z,x1,y1,v4);meshc(x1,y1,z1)海底曲面图海底曲面图%程序二：插值并作出水深小于程序二：插值并作出水深小于5 5的海域范围。的海域范围。x1=75:1:200;y1=-50:1:150;x1,y1=meshgrid(x1,y1);z1=griddata(x,y,z,x1,y1,v4);%插值插值z1(z1=5)=nan;%将水深大于将水深大于5的置为的置为nan，这样绘图就不，这样绘图就不会显示出来会显示出来meshc(x1,y1,z1)水深小于水深
13、小于5 5的海域范围的海域范围 实验作业实验作业 山区地貌：山区地貌：在某山区测得一些地点的高程如下表：在某山区测得一些地点的高程如下表：(平平面区域面区域12001200 x 4000,12004000,1200y 3600)3600)，试作出该山区的，试作出该山区的地貌图和等高线图，并对几种插值方法进行比较地貌图和等高线图，并对几种插值方法进行比较5.1 引言 对于情况较复杂的实际问题（因素不易化简，作用机理不详）可直接使用数据组建模，寻找简单的因果变量之间的数量关系，从而对未知的情形作预报。这样组建的模型为拟合模型。拟合模型的组建主要是处理好观测数据的误差，使用数学表达式从数量上近似因果
14、变量之间的关系。拟合模型的组建是通过对有关变量的观测数据的观察、分析和选择恰当的数学表达方式得到的。五、五、拟合的使用及求解拟合的使用及求解5.2 5.2 拟合模型的分类拟合模型的分类 5.2.1 直线拟合5.2.2 曲线拟合5.2.3 观察数据修匀 对于已给一批实测数据，由于实测方法、实验环境等一些外界因素的影响，不可避免地会产生随机干扰和误差。我们自然希望根据数据分布的总趋势去剔除观察数据中的偶然误差，这就是所谓的数据修匀（或称数据平滑）问题。直直 线线 拟拟 合合 问问 题题 引引 例例 1 1温度温度t(C)20.5 32.7 51.0 73.0 95.7电阻电阻R()765 826
15、873 942 1032已知热敏电阻数据：已知热敏电阻数据：求求6060C C时的电阻时的电阻R R 设设 R=at+ba,b为待定系数为待定系数曲曲 线线 拟拟 合合 问问 题题 引引 例例 2 2 t(h)0.25 0.5 1 1.5 2 3 4 6 8c(g/ml)19.21 18.15 15.36 14.10 12.89 9.32 7.45 5.24 3.01已知一室模型快速静脉注射下的血药浓度数据已知一室模型快速静脉注射下的血药浓度数据(t=0注射注射300mg)求血药浓度随时间的变化规律求血药浓度随时间的变化规律c(t).在直角坐标系下作图如下在直角坐标系下作图如下(plot)MA
16、TLAB(aa1)曲曲 线线 拟拟 合合 问问 题题 的的 提提 法法已知一组（二维）数据，即平面上已知一组（二维）数据，即平面上 n个点个点（xi,yi)i=1,n,寻求一个函数（曲线）寻求一个函数（曲线）y=f(x),使使 f(x)在某种准则下与所有在某种准则下与所有数据点最为接近，即曲线拟合得最好数据点最为接近，即曲线拟合得最好+xyy=f(x)(xi,yi)i i 为点为点（xi,yi)与与曲线曲线 y=f(x)的距离的距离曲线拟合问题最常用的解法曲线拟合问题最常用的解法线性最小二乘法的基本思路线性最小二乘法的基本思路第一步:先选定一组函数先选定一组函数 r1(x),r2(x),rm(x),mn,令令 f(x)=a1r1(x)+a2r2(x)+amrm(x)（1）其中其中 a1,a2,am 为待定系数为待定系数 第二步:确定确定a1,a2,am 的准则（最小二乘准则）：的准则（最小二乘准则）：使使n个点个点（xi,yi)与与曲线曲线 y=f(x)的距离的距离 i 的平方和最小的平方和最小 记记问题归结为，求问题归结为，求 a1,a2,am 使使 J(a1,a2,am)最小最小用
