没有合适的资源?快使用搜索试试~ 我知道了~
非线性最小二乘曲线拟合的线性化探究.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 198 浏览量
2022-11-05
12:01:12
上传
评论
收藏 417KB PDF 举报
温馨提示
试读
14页
...
资源推荐
资源详情
资源评论
非线性最小二乘曲线拟合的线性化探究
摘要:利用非线性最小二乘法的基本思想, 总结非线性特征曲线拟合的方法, 包括指数
曲线拟合法,饱和指数曲线拟合法,双曲线拟合法以及这些方法的应用。
关键字:最小二乘法 非线性指数拟合法
matlab
在自然科学、社会科学等领域内,人们常常希望掌握某种客观存在的变量之间的函数
关系,通过实验、观测和社会调查获得大量的数据后,
系。这类问题就是曲线拟合问题。
从这些数据中总结出所需要的函数关
非线性最小二乘曲线拟合法,就是利用非线性最小二乘法的基本思想和一些典型的非
线性特征曲线来实现预测的方法。 以下首先介绍线性最小二乘法的基本思想。 然后,尝试使
用非线性特征曲线拟合法,包括指数曲线拟合法,饱和指数曲线拟合法以及双曲线拟合法。
通过一些现实生活中我们所遇到的问题,禾惋这些拟合法作简单预测。
般的最小二乘法逼近
在科学实验的统计方法研究中,往往要从一组实验数据(
x
i
,y
i
) (
i=0,1,2,,
,
m
)中寻
找自变量
x
与因变量
y
之间的函数关系
y = F x
。由于观测数据往往不准确,因此不要求
y = F (x
经过所有点(
X
i
, y
i
),而只要求在给定点
X
i
上误差
6
i=
F(Xj)-y
i
(
i=0,1,2,,
,
m
)按某种标准最
小。若记
6 =
(&◎,…
,»
T
,就是要求向量
6
的范数
||6
1|
最小。如果用 最大范数,计算上困难较大,通常
就采用
Euclid
范数罔
|
作为误差度量的标准。
2
关于最小二乘法的一般的提法是:对于给定的一组数据(
求在函数空间即
-spa
n
mm
I
2
x
i
,y
i
) (
i=0,1,2,,
,
m
),要
…
中找一个函数
y
二
S ” x
,使误差平方和
m
卜
||
八.:
i
=為
[S ” x
i
"i-yA
二刃
n
丫
[S
*、';-* \
i =e i
尹
i
亠
•
a
n
「
n
(
n
v
m
)。
x
(1)
这里
S x
=
a
0
;
0
X -
a
!
■';
X
(2)
用最小二乘法求拟合曲线时,首先要确定
S x
的形式。这不是单纯数学问题,还与所
研究问题的运动规律即所得观测数据(
x
i
, y
i
)有关;通常要从问题的运动规律及给定数据
描图来确定
S X
i
的形式,并通过实际计算选出较好的结果一一这点将从下面的例题得到说
明。
S x
的一般表达式为式(
2
)所示的线性形式。若
\ x
是
k
次多项式,
次多项式。为了使问题的提法更有一般性,通常把最小二乘法中
m
2
l?l
2
S x
就是
n
都考虑为加权平方和
可:八•
w X
i
[S X
i
— yj
2
i
三
这里
w X
_0
是
a,b 1
上的权函数,它表示不同点
X
i
, f x
i
处的数据比重不同,例如,
(3)
w X
i
可表示在点
X
i
,f X
i
处重复观测的次数。用最小二乘法求拟合曲线的问题,就是在
形如(
2
)式的
S x
中求一函数
y = S” x
,使式(
3
)取得最小。它转化为求多元函数
m
I
a
0
,
a
1
,
,a
n
八
W X
i
i
(4
)
兰
的极小点
a;, a
;'
, ,a
;
问题。由求多元函数极值的必要条件,有
m
J
v
.
D
i zQ
w(X
i
上
aj®j(X
i
)—f(X
i
)\k(X
i
)=0 (k=0,1,…,n
卜
」
若记
「
j
,
L
八
w X
i
「
j
X
i
i
\ X
i
,
(5
)
-0
f,
「
k 1=
為
w X
i
f X
i
匚
X
i
广
d
k
,
k
i -0
=0,1,
i
…,
n
,
n
可改写为
'、
\, < aj =dk
j =0
此方程称为法方程。它也可写成矩阵形式
其中
a
=
0
,
i
,
a a
,
n
a
T
= :〔
d
0
,d
i
, d
n
,
,
d
「
0
,「
0
「
0
,人…「
0
,「
n
伴®
0
) (%,% )…(%® )
G =
一 _ *
-
[_件
4
。)件®)…(半
n®
)
,
由于 轧,%
,…,
轧线性无关,故
|
G
|
HO
,
方程组(
6
)存在唯一的解
a
k
= a
k
k = 0,1, , n
,
从而得到函数
f x
的最小二乘解为
S x
二
a
。「°
x a
;】
x aj x
。
可以证明,这样得到的
S” x
对于任何形如式(
2
)的
S x
,都有
m m
V W X
i
S ” X
i
— f x
「
i
i zQ
二
w x
i
i =0
I.S
X
i
];- f X
i
f
,
故
S ” x
确是所求最小二乘解。
二、非线性最小二乘曲线拟合问题
所谓线性最小二乘指的是在选定可取函数类(即由一组基函数生成的函数空间)后,
待定参数全部线性,最常见就是多项式曲线拟合(以一次、二次、三次、四次函数等低次为 多见),
有一些情况下实际问题得出的数据分布(散点图)需以指数、双曲线、饱和指数等
类型函数去拟合,这时有的待定参数非线性,我们依然以误差向量的二范数最小为原则,
之称为非线性最小二乘拟合, 这其中有部分非线性模型可以通过变量代换、
变为线性模型,从而用线性拟合进行处理。
对于一个实际的曲线拟合问题,一般先按观测值在直角坐标平面上描出散点图,看一
看散点同哪类曲线图形接近, 然后选用相近的曲线拟合方程, 再通过适当的变量替换转化为
因
取对数等手段转
线性拟合问题,按线性拟合解出后再还原为原变量所表示的曲线拟合方程。
以下列举几类经适当变换化为线性拟合求解的曲线拟合方程及变换关系。
剩余13页未读,继续阅读
资源评论
xxpr_ybgg
- 粉丝: 6506
- 资源: 3万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功