曲线拟合(多项式函数+MATLAB实例) |
您所在的位置:网站首页 › 拟合曲线方程的确定方法 › 曲线拟合(多项式函数+MATLAB实例) |
目录
一.拟合所需函数(1)polyfit 函数(2)polyval 函数
二.举例(预测人口)(1)问题数据(2)求解(3)完整代码(4)注意点
一.拟合所需函数
这里我们主要考虑用多项式函数去进行曲线拟合 (1)polyfit 函数功能: 求得结果为最小二乘法拟合的多项式系数。 格式: p = polyfit(X,Y,n); X,Y为进行拟合的样本数据,类型为矩阵。n为拟合的多项式次数,看散点图判断拟合次数。p为拟合后返回的多项式系数矩阵。 [p,s] = polyfit(X,Y,n); 返回两个结果,s为采样点的误差数据 [p,s,mu] = polyfit(X,Y,n); 返回三个结果,mu是一个二元向量,其中mu(1)是X的平均值即mean(X), mu(2)是X的标准差即std(X)。 (2)polyval 函数功能: 求得在上面函数所得的p系数下,某一点预测的函数值。 格式: polyval(p,15); 返回值为X=15时的函数值。 二.举例(预测人口) (1)问题数据某地区2010-2020人口数据: x20102011201220132014201520162017201820192020y3.95.37.29.612.917.123.231.438.650.263.0 (2)求解我们先分步求解,后面有完整代码 【1】先查看散点图趋势 x=2010:1:2020; y=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6, 50.2,63.0]; plot(x,y,'*');
可以看到结果基本吻合 【3】可以继续进行预测未来的人口 polyval(p,2021) ans = 74.4776 (3)完整代码 x=2010:1:2020; y=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6, 50.2,63.0]; p = polyfit(x,y,2); plot(x,y,'*',x,polyval(p,x)) polyval(p,2021); (4)注意点我们在选取数据时,并不是数据越多越好。 在选取数据时,同时要考虑到实际情况,就比如说对人口预测,可能前10年发生了天灾人祸使得前十年的数据严重不符,那么这一阶段的数据就可以舍弃。 曲线拟合作用 预测趋势 总结规律 估算数据 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |