曲線擬合的最小二乘法.ppt

《曲線擬合的最小二乘法.ppt》由會員分享，可在線閱讀，更多相關(guān)《曲線擬合的最小二乘法.ppt（25頁珍藏版）》請在裝配圖網(wǎng)上搜索。

3 1問題的提出函數(shù)解析式未知 通過實驗觀測得到的一組數(shù)據(jù) 即在某個區(qū)間 a b 上給出一系列點的函數(shù)值yi f xi 第三章曲線擬合的最小二乘法 3 2 曲線擬合的最小二乘法數(shù)據(jù)含有誤差 節(jié)點上的函數(shù)值是由實驗或觀測得到的數(shù)據(jù) 不可避免地帶有測量誤差 如果要求所得的近似函數(shù)曲線精確無誤地通過所有的點 xi yi 就會使曲線保留著一切測試誤差 當(dāng)個別數(shù)據(jù)的誤差較大時 插值效果顯然是不理想的 數(shù)據(jù)量很大 由實驗或觀測提供的數(shù)據(jù)個數(shù)往往很多 如果用插值法 勢必得到次數(shù)較高的插值多項式 這樣是不可行的 為此 我們希望從給定的數(shù)據(jù) xi yi 出發(fā) 構(gòu)造一個近似函數(shù) 不要求函數(shù)完全通過所有的數(shù)據(jù)點 只要求所得的近似曲線能反映數(shù)據(jù)的基本趨勢 如圖3 1所示 圖3 1曲線擬合示意圖 曲線擬合 求一條曲線 使數(shù)據(jù)點均在離此曲線的上方或下方不遠(yuǎn)處 所求的曲線稱為擬合曲線 它既能反映數(shù)據(jù)的總體分布 又不至于出現(xiàn)局部較大的波動 更能反映被逼近函數(shù)的特性 使求得的逼近函數(shù)與已知函數(shù)從總體上來說其偏差按某種方法度量達(dá)到最小 與函數(shù)插值問題不同 曲線擬合不要求曲線通過所有已知點 而是要求得到的近似函數(shù)能反映數(shù)據(jù)的基本關(guān)系 在某種意義上 曲線擬合更有實用價值 函數(shù)插值是插值函數(shù)P x 與被插函數(shù)f x 在節(jié)點處函數(shù)值相同 即而曲線擬合函數(shù)不要求嚴(yán)格地通過所有數(shù)據(jù)點 也就是說擬合函數(shù)在xi處的偏差 亦稱殘差 不都嚴(yán)格地等于零 但是 為了使近似曲線能盡量反映所給數(shù)據(jù)點的變化趨勢 要求按某種度量標(biāo)準(zhǔn)最小 若記向量 即要求向量的某種范數(shù)最小 如的1 范數(shù)或 范數(shù)即 或 最小 為了便于計算 分析與應(yīng)用 通常要求的2 范數(shù) 即 為最小 這種要求誤差 偏差 平方和最小的擬合稱為曲線擬合的最小二乘法 一般曲線擬合的最小二乘法的求法 例1設(shè)有某實驗數(shù)據(jù)如下 12341 361 371 952 2814 09416 84418 47520 963 用最小二乘法求以上數(shù)據(jù)的擬合函數(shù) 解 把表中所給數(shù)據(jù)畫在坐標(biāo)紙上 將會看到數(shù)據(jù)點的分布可以用一條直線來近似地描述 故設(shè)擬合直線為記x1 1 36 x2 1 37 x3 1 95x4 2 28 y1 14 094 y2 16 844 y3 18 475 y4 20 963則正規(guī)方程組為 其中 將以上數(shù)據(jù)代入上式正規(guī)方程組 得 解得 即得擬合直線 例2設(shè)某實驗數(shù)據(jù)如下 123456012345521123 用最小二乘法求一個多項式擬合這組數(shù)據(jù) 解 將已給數(shù)據(jù)點描在坐標(biāo)系中 可以看出這些點接近一條拋物線 因此設(shè)所求的多項式為 由法方程組 經(jīng)計算得 m 6 其法方程組為 解之得 所求的多項式為 4 可化為線性擬合的非線性擬合對于一個實際的曲線擬合問題 一般先按觀測值在直角坐標(biāo)平面上描出散點圖 看一看散點的分布同哪類曲線圖形接近 然后選用合適的擬合函數(shù) 非線性擬合函數(shù)可以通過變量替換轉(zhuǎn)化為線性擬合問題 按線性擬合解出后再還原為原變量所表示的曲線擬合方程 表3 4列舉了幾類經(jīng)適當(dāng)變換后化為線性擬合求解的曲線擬合方程及變換關(guān)系 表3 4 曲線擬合方程變換關(guān)系變換后線性擬合方程 幾種常見的數(shù)據(jù)擬合情況 圖 a 數(shù)據(jù)接近于直線 故宜采用線性函數(shù)擬合 圖 b 數(shù)據(jù)分布接近于拋物線可采擬合二次多項式擬合 a b 圖 c 開始曲線上升較快隨后逐漸變慢 宜采用雙曲線型函數(shù)或指數(shù)型函數(shù)圖 d 開始曲線下降快 隨后逐漸變慢 宜采用或或等數(shù)據(jù)擬合 c d 例3設(shè)某實驗數(shù)據(jù)如下 12345600 511 522 52 01 00 90 60 40 3 用最小二乘法求擬合曲線 解 將已給數(shù)據(jù)點描在坐標(biāo)系中下圖所示 可以看出這些點接近指數(shù)曲線 因而可取指數(shù)函數(shù)作為擬合函數(shù) 對函數(shù)兩邊取對數(shù)得 令就得到線性模型 則正規(guī)方程組為 其中 將以上數(shù)據(jù)代入上式正規(guī)方程組 得 解得 由得 由得 于是得到擬合指數(shù)函數(shù)為 小結(jié) 插值法和曲線擬合的最小二乘法都是實用性很強(qiáng)的方法 它們解決的實際問題雖然各式各樣 但抽象為數(shù)學(xué)問題卻有它的共性 即利用已知的數(shù)據(jù)去尋求某個較為簡單的函數(shù)P x 來逼近f x 插值法和曲線擬合的最小二乘法分別給出了尋求這種近似函數(shù)的兩類不同的原則 以及構(gòu)造近似函數(shù)的幾種具體方法 其中插值法要求近似函數(shù)在已知的數(shù)據(jù)點必須與f x 完全一致 曲線擬合法不要求點點一致而只須滿足一定的整體逼近條件 插值法中的拉格朗日插值多項式是研究數(shù)值微積分與微分方程數(shù)值解的重要工具 牛頓插值多項式是拉格朗日插值多項式的變形 具有承襲性 比拉格朗日插值多項式節(jié)省計算量 分段低次多項式插值由于具有良好的穩(wěn)定性與收斂性 且算法簡單 便于應(yīng)用 特別是應(yīng)用廣泛的三次樣條插值 不但有較好的穩(wěn)定性和收斂性 而且具有較好的光滑性 從而滿足了許多實際問題的要求 需對樣條函數(shù)作進(jìn)一步了解的讀者可參閱有關(guān)文獻(xiàn) 曲線擬合的最小二乘法是處理實驗數(shù)據(jù)的常用方法 本章主要介紹了最小二乘法的基本原理和線性最小二乘問題的求解方法 多項式擬合是線性最小二乘擬合問題的一種特殊情況 其特點是擬合多項式形式簡單 但當(dāng)n較大時 法方程組往往是病態(tài)的 用正交多項式進(jìn)行曲線擬合 避免了法方程組病態(tài)所造成的麻煩 關(guān)于非線性最小二乘曲線擬合問題 一般求解比較困難 但對一些特殊情形 可以轉(zhuǎn)換為線性最小二乘擬合問題 作業(yè)P89習(xí)題三 1 Thankyouverymuch