三次样条插值在工程拟合中的应用
三次样条插值在工程拟合中的应用
摘要: 介绍了工程实验、勘测、设计中常见的列表函数之数值插值方法、程序实现及工程应用, 应用此法可方便地将任何列表函数计算到工程设计、施工所需要的精确程度, 给
出了各参数随主要参数变化而变化的光滑曲线, 并将其应用推广到一般情况.
关键词: 列表函数; 数值拟合; 三次样条插值; MA TLAB 程序设计与应用
在实际工程中, 广泛存在这样的问题: 根据设计要求和具体的工程条件, 在初始设计阶段会勘测得到若干组该工程的控制参数, 但这些参数之间彼此离散、不够密集, 利用它们来施工则不能满足施工的精度要求. 为了解决这一问题, 需要对已知的参数数据进行分析处理, 进行必要的插值、拟合, 以达到施工所需要的数据精度.本文以工程实例为基础, 对实际工程中插值方法的选取、插值的实现和插值曲线的拟合加以讨论, 提出能得到较合乎实际的插值方法, 给出一般工程人员就能实现的计算方法以及能得到光滑曲线的拟合方法.
1 工程应用实例
表1 所示的为某双曲拱坝体形原始参数[ 1
对于这一类工程列表参数有一个显著的特点:尽管不同工程的参数多寡不同, 但都是由n 行k
列的离散的列表数据给出, 虽然同一行代表某工程特定位置的几个参数(或高程参数, 或上游
半径参数?) , 但相邻两行由于位置距离太大, 两行各参数之间究竟存在什么数值关系, 对工
程设计、施工有何影响, 这是工程技术人员需要弄清楚的[ 2 ].以双曲拱坝为例, 它沿整个高程的变化是一个连续光滑的空间曲面. 从施工需要来看, 这些数据太稀疏, 难以满足设计、施工放样与钢筋配置等要求, 如果照此施工, 则有可能达不到工程精度、降低工程效率; 从计算机图形模拟来看, 要生成这个曲面仅由这一列表函数是得不到光滑曲面的, 是不可取的. 所以, 为使计算精确, 满足工程施工过程中任何断面位置、任意水平位置、任意高程位置所必需的施工数据与设计图纸, 保证工程施工的高品质,就要求作精确的数据处理.进一步分析可知, 在这
些参数表中, 各行的参数都随某一主要参数的变化而变化, 如上游半径参数随高程的变化而变化?, 它们的这种函数关系,在数值分析中有许多的方法可以求得. 但是哪种方法能更好、更合
乎实际地给出平滑曲线呢? 下面所选的插值方法能够较好地满足这一要求.
2 插值方法的选择
在数值分析中, 这种插值过程可具体使用线性( 1inear ) 插值、三次样条( sp line ) 插值、立方(cub ic) 插值等方法, 在曲线插值法中最常用的是线性插值法, 它是估计两个主干点之间数值的最简单、最易实现的方法, 但采用线性插值法会有以下缺点:
一是使得曲线不能显示连接主干点间的凸状弧线;
二是使得从曲线导出远期曲线时会形成人为的“尖头”(sp ikes) [ 2 ].
因此, 通常采用样条法来构造曲线. 样条法是用一平滑曲线来对各主干点进行拟合的方法. 它是通过构造多项式(一个或一组不同阶多项式) 来形成一条把所有主干点连接起来的平滑曲线. 一般常常选择三次曲线(根据三次插值样条函数所得的曲线) 进行拟合.通常, 在[a, b ]上的以x i ( i=0, 1, 2, ?, n) 为节点的三次插值样条函数[ 3 ] 定义如下: 给定区间[a, b ]的一个划分$: a= x 0< x 1< x 2< ?< x n = b和区间[a, b ]上的一个函数f (x ) , 若函数S (x ) 满足下列条件:
(1) 一致通过n+ 1 个插值点(x i, y i) , 即
S (x i) = f (x i) = y i ( i= 0, 1, 2, ?, n) ;
(2) 二阶连续, 即S (x ) ∈C2 [a, b ];
(3) 三次分段, 即在每一个小区间[ x i- 1, x i ]
( i= 1, 2, ?, n) 上均为三次多项式.则称S (x ) 为函数f (x ) 的三次插值样条函数. 在构造三次插值样条函数时, 为确定S (x ) 应根据n+ 1个插值条件, 3n- 3 个连续条件以及给定的边界条件, 再利用节点处的一阶导数或二阶导数就可构造出三次插值样条函数. 在构造曲线过程中, 关键是估计三次多项式函数和确定样条函数形式.从以上理论分析可知, 三次活动曲线具有优良的数学特征, 而且用三次曲线去拟合时, 其结果要比线性插值估计更接近于工程实际情况[ 4 ]. 三次曲线法又可分为三次样条插值法和立方插值法. 在数值分析中有许多的方法, 限于篇幅, 本文仅以工程上用得较多的、具有优良效果的三次样条插值为例介绍插值方法.
3 插值计算原理
三次样条函数的数学原理及其子程序, 可见于多种数学著作[ 5 ]与算法手册. 这里作简单介绍.由于拱坝或其他工程曲面都是连续而光滑的空间曲面, 它的断面高程自坝底至坝顶均满足
a= j 1< j 2< ?< j n= b,且每一位置(高程) 都对应有一组几何参数: y 1, y 2,?, y n. 如上游半径、下游半径、拱厚等(见表1 所列) , 因此对于一组高程插值点j 1= t1< t2< t3< ?< tm ≤j n ,可用三次自然样条函数S (x ) 求解它们在各插值点的函数值及其一阶导数S ′(x ) 和二阶导数S ″(x ).三次样条函数S (x ) 是用分段三次多项式逼近函数y = f (x ) , 且满足S (x ) 为区间[a, b ]上曲线y= f (x ) 的三次样条插值函数的三个条件.
经两次积分, 可得三次样条插值函数S (x ) 的表达式为
利用函数S (x ) 在样点x i 处具有连续二阶导数的条件, 再根据三次自然样条插值法, 增加自然边界条件
得到如下方程组:
解上述方程组, 求得M i ( i= 0, 1, 2, ?, n) 代入S (x ) 公式, 即可得每个子区间[ x i- 1, x i ] ( i= 1, 2,?, n) 上的三次样条函数.根据上述原理, 对工程原始列表数进行插值计算, 即可满足多种施工要
4 插值方法的实现
由以上可以看出, 三次样条插值的关键是寻找插值函数, 但插值函数寻找相当复杂, 对于一般的工程人员很难完成, 那么怎样才能使三次样条插值这一优秀的插值方法被人们所掌握呢?M athworks公司推出了功能强大的数学计算软件MA T2LAB[ 6 ] , 它不但使源程序编写简单、源程序代码简短(因为现成的三次样条插值函数可供使用) , 而且可以利用其强大的作图功能方便地拟合出光滑曲线. 因此, 本文选用MA TLAB 语言作为计算语言
MA TLAB 程序设计原理:
在以上参数表中, 各行的各参数都随高程这一主要参数的变化而变化, 根据它们变化的这种函数关系, 以高程为插值的已知节点(其中已知节点个数n = 6) , 为使插值结果一致通过这些节点, 以1. 36为步长调用插值函数进行插值.
MA TLAB 程序设计算法:
( 1) 写入原始参数矩阵, 以同一组参数为行,以同一种参数为列;
(2) 产生插值的精度矩阵, 在最小值与最大值之间以1. 36 为步长, 产生矩阵;
(3) 调用MA TLAB 中的三次样条插值函数,产生插值结果矩阵, 以对每一种参数的插值结果为行产生矩阵, 再转置.
MA TLAB 程序设计:
x 0= [470∶1. 36∶504 ];
ou t= [x 0; sp line (x (1∶6) , x (7∶12) , x 0) ; sp line (x (1∶6) , x (13∶18) , x 0) ; sp line (x (1∶6) , x (19∶24) , x 0)
sp line (x (1∶6) , x (25∶30) , x 0) ; sp line (x (1∶6) , x (31∶36) , x 0) ; sp line (x (1∶6) , x (37∶
42) , x 0) ]′
运算数据分析:
(1) 这组运算数据一致通过已知节点, 而且偏差较小、数学处理和程序设计都大大简化(与文献
[1 ]相比).
(2) 经过以上的运算, 可以使原来仅有的6 组数据变为26 组, 而且还可以根据工程人员的需
要
对上述程序步长进行修改, 就可任意提高精度, 从而使工程人员能够更好地了解各种参数在各点的数据, 使工程精度大大提高
5 插值曲线拟合
当然, 无论以多么小的数为步长、无论给出多少组数据, 这些参数还是一些离散的数据, 在有些情况下, 工程人员要了解某些数据随某一主要参数的变化而变化的连续曲线, 这时, 可以在数据插值的基础上, 发挥MA TLAB 在图形处理上的强大功能, 对以上插值所得的数据进行曲线拟合, 以便更好地了解各参数随某一主要参数变化而变化的趋势.在以上插值数据的基础上,在上面程序的尾部编写MA TLAB 作图程序, 作图程序如下, 运行后得到图1 所示插值拟合曲线.
p lo t (x 0, ou t (27∶52) ,‘- ’)
ho ld on
p lo t (x 0, ou t (53∶78) ,‘- + ’)
p lo t (x 0, ou t (79∶104) ,‘∶’)
p lo t (x 0, ou t (105∶130) ,‘- - ’)
p lo t (x 0, ou t (131∶156) ,‘- 3 ’)
p lo t (x 0, ou t (157∶182) ,‘- . ’)
legend (‘上游半径’,‘下游半径’,‘拱
厚’,‘半中心角’,‘圆心距’,‘淤沙高
程’)
ho ld off
grid on
从图1 中, 可以看到各参数随高程的变化而变化的曲线, 从而更好地去了解各参数的变化规律,实现对工程各参数的整体把握, 这是一般数值处理方法所无法实现的.
6 小结
以上仅为三次样条插值及其实现方法的一个实例, 本文在插值方法的选择上选取了能够得到平滑曲线的、具有优良数学特征的三次样条插值法;在插值的实现上选取了具有强大计算功能的数学软件MA TLAB, 它能够以较少的编码, 较简单的语句实现这一复杂的计算, 并能得到较合理
的结论; 在曲线的拟合上我们在插值的基础上同样选取具有强大图形处理功能的MA TLAB 软件, 从而形成较准确、较平滑、较合实际的曲线. 总之, 以上所提供的方法是三次样条插值和MA TLAB 科学计算语言在工程中应用的一个实例, 它能使计算较简便, 又能很好地满足光滑性要求, 使曲线也不失真.实现了工程数学、计算数学、程序设计的结合与简化.三次样条插值不仅在工程方面, 而且在测绘、勘察、预测等方面都有着十分广泛的应用
参考文献:
[ 1 ]彭荣利, 靳萍, 欧阳建国. 工程列表函数的数值拟合与应用[J ]. 武汉大学学报(工学版) , 2002, 35 (4) : 42～45.
[ 2 ]王瑞华. 水利工程数据插值计算及图形处理[J ]. 农田水利与小水电, 1994 (8) : 15～19.
[ 3 ]鞠时光, 郭伟刚. 实用三次样条插值函数[J ]. 小型微型计算机系统, 1992, 13 (9) : 20～23.
[ 4 ]谢赤, 钟钻. 插值法在零息收益曲线构造中的实证研究[J ]. 数量经济技术经济研究, 2002 (4) : 31～34.
[ 5 ]曾绍标, 韩秀芹. 工程数学基础[M ]. 北京: 科学出版社, 2001.
[ 6 ]王沫然. MA TLAB 与科学计算(第2 版) [M ]. 北京: 电子工业出版社, 2003
三次样条插值代码
2 三次样条插值程序 三次样条插值利用方案二（求解固支样条或压紧样条） 按照要求要起点和终点的一阶导数值已知， 可得关于01,,.....,n M M M 的严格对角占优势的三对角方程组 然后利用三对角法（追赶法）解此线性方程组。 （1）编写M 文件，并保存文件名scfit.m % x,y 分别为n 个节点的横坐标和纵坐标值组成的向量 % dx0和dxn 分别为S 的导数在x0和xn 处的值，即m 0和m n n=length(x)-1; h=diff(x); d=diff(y)./h; a=h(2:n-1); b=2*(h(1:n-1)+h(2:n)); c=h(2:n); u=6*diff(d); b(1)=b(1)-h(1)/2; u(1)=u(1)-3*(d(1)-dx0); b(n-1)=b(n-1)-h(n)/2; u(n-1)=u(n-1)-3*(dxn-d(n)); %追赶法部分 for k=2:n-1 temp=a(k-1)/b(k-1); b(k)=b(k)-temp*c(k-1); u(k)=u(k)-temp*u(k-1); end m(n)=u(n-1)/b(n-1); for k=n-2:-1:1 m(k+1)=(u(k)-c(k)*m(k+2))/b(k); end %求S K1，S K2，S K3，S K4 m(1)=3*(d(1)-dx0)/h(1)-m(2)/2; m(n+1)=3*(dxn-d(n))/h(n)-m(n)/2; for k=0:n-1 00 ()S x m '=()n n S x m '=0011111111212212n n n n n n M d M d M d M d μλμλ----??????????????????????=??????????????????????????
实验四 插值法与曲线拟合
计算方法实验报告 专业班级：医学信息工程一班姓名：陈小芳学号：201612203501002 实验成绩： 1．【实验题目】 插值法与曲线拟合 2．【实验目的】 3．【实验内容】 4. 【实验要求】
5. 【源程序（带注释）】 （1）拉格朗日插值 #include
插值与数据拟合模型
第二讲 插值与数据拟合模型 函数插值与曲线拟合都是要根据一组数据构造一个函数作为近似，由于近似的要求不同，二者的数学方法上是完全不同的。而面对一个实际问题，究竟用插值还是拟合，有时容易确定，有时则并不明显。 在数学建模过程中，常常需要确定一个变量依存于另一个或更多的变量的关系，即函数。但实际上确定函数的形式（线性形式、乘法形式、幂指形式或其它形式）时往往没有先验的依据。只能在收集的实际数据的基础上对若干合乎理论的形式进行试验，从中选择一个最能拟合有关数据，即最有可能反映实际问题的函数形式，这就是数据拟合问题。 一、插值方法简介 插值问题的提法是，已知1+n 个节点n j y x j j ,,2,1,0),,( =，其中j x 互不相同，不妨设b x x x a n =<<<= 10，求任一插值点)(*j x x ≠处的插值*y 。),(j j y x 可以看成是由某个函数)(x g y =产生的，g 的解析表达式可能十分复杂，或不存在封闭形式。也可以未知。 求解的基本思路是，构造一个相对简单的函数)(x f y =，使f 通过全部节点，即),,2,1,0()(n j y x f j j ==，再由)(x f 计算插值，即*)(*x f y =。 1．拉格朗日多项式插值 插值多项式 从理论和计算的角度看，多项式是最简单的函数，设)(x f 是n 次多项式，记作 0111)(a x a x a x a x L n n n n n ++++=-- （1） 对于节点),(j j y x 应有 n j y x L j j n ,,2,1,0,)( == （2） 为了确定插值多项式)(x L n 中的系数011,,,,a a a a n n -，将（1）代入（2），有 ???????=++++=++++=++++---n n n n n n n n n n n n n n n n y a x a x a x a y a x a x a x a y a x a x a x a 01110111110001010 （3） 记 T n T n n n n n n n n n n y y y Y a a a A x x x x x x X ),,,(,),,,(,11110011111 100 ==?????? ? ??=---- 方程组（3）简写成 Y XA = （4） 注意X det 是Vandermonde 行列式，利用行列式性质可得 ∏≤<≤-= n k j j k x x X 0)(det 因j x 互不相同，故0det ≠X ，于是方程（4）中A 有唯一解，即根据1+n 个节点可以确定唯一的n 次插值多项式。 拉格朗日插值多项式 实际上比较方便的做法不是解方程（4）求A ，而是先构造一组基函数： n i x x x x x x x x x x x x x x x x x l n i i i i i i n i i i ,,2,1,0,) ())(()()())(()()(110110 =--------=+-+- （5） )(x l i 是n 次多项式，满足
曲线拟合与插值1一维插值
一维插值 正如在前一节对曲线拟合所描述的那样，插值定义为对数据点之间函数的估值方法，这些数据点是由某些集合给定。当人们不能很快地求出所需中间点的函数值时，插值是一个有价值的工具。例如，当数据点是某些实验测量的结果或是过长的计算过程时，就有这种情况。 或许最简单插值的例子是MATLAB的作图。按缺省，MATLAB用直线连接所用的数据点以作图。这个线性插值猜测中间值落在数据点之间的直线上。当然，当数据点个数的增加和它们之间距离的减小时，线性插值就更精确。例如， ? x1=linspace(0, 2*pi, 60); ? x2=linspace(0, 2*pi, 6); ? plot(x1, sin(x1), x2, sin(x2), ' - ') ? xlabel(' x '),ylabel(' sin(x) '),title(' Linear Interpolation ') 图11.3线性插值 图11.3是sine函数的两个图，一个在数据点之间用60个点，它比另一个只用6个点更光滑和更精确。 如曲线拟合一样，插值要作决策。根据所作的假设，有多种插值。而且，可以在一维以上空间中进行插值。即如果有反映两个变量函数的插值，z=f(x, y)，那么就可在x之间和在y之间，找出z的中间值进行插值。MATLAB在一维函数interp1和在二维函数interp2中，提供了许多的插值选择。其中的每个函数将在下面阐述。 为了说明一维插值，考虑下列问题，12小时内，一小时测量一次室外温度。数据存储在两个MATLAB变量中。 ? hou rs=1:12;%index for hour data was recorded ? temps=[5 89152529313022252724]; %recorded temperatures ? plot(hours, temps, hours, temps,' + ')%view temperatures
三次样条插值函数
沈阳航空航天大学 数学软件课程设计 （设计程序） 题目三次样条插值函数 班级 / 学号 学生姓名 指导教师
沈阳航空航天大学 课程设计任务书 课程名称数学软件课程设计 院（系）理学院专业信息与计算科学 班级学号姓名 课程设计题目三次样条插值函数 课程设计时间: 2010 年12月20日至2010 年12月31日 课程设计的内容及要求： 1.三次样条插值函数 给出函数在互异点处的值分别为。 (1)掌握求三次样条插值函数的基本原理； (2)编写程序求在第一边界条件下函数的三次样条插值函数； (3)在区间上取n=10，20，分别用等距节点对函数 作三次样条插值函数，利用(1)的结果画出插值函数的图形，并在该图形界面中同时画出的图形。 [要求] 1.学习态度要认真，要积极参与课程设计，锻炼独立思考能力； 2.严格遵守上机时间安排； 3.按照MATLAB编程训练的任务要求来编写程序； 4.根据任务书来完成课程设计论文； 5.报告书写格式要求按照沈阳航空航天大学“课程设计报告撰写规范”； 6.报告上交时间：课程设计结束时上交报告；
7.严谨抄袭行为。 指导教师年月日负责教师年月日学生签字年月日
沈阳航空航天大学 课程设计成绩评定单 课程名称数学软件课程设计 院（系）理学院专业信息与计算科学课程设计题目三次样条插值函数 学号姓名 指导教师评语： 课程设计成绩 指导教师签字 年月日
目录 一正文 (1) 1问题分析 (1) 1.1 题目 (1) 1.2 分析 (1) 2 研究方法原理 (1) 2.1 求三次样条插值多项式，算法组织 (1) 3 算例结果 (3) 二总结 (7) 参考文献 (8) 附录 (9) 源程序: (9) 程序1 (9) 程序2 (10) 程序3 (12) 程序 4 (12)
计算方法--插值法与拟合实验
实验三 插值法与拟合实验 一、实验目的 1. 通过本实验学会利用程序画出插值函数，并和原图形相比较 2. 通过本实验学会拟合函数图形的画法，并会求平方误差 二、实验题目 1. 插值效果的比较 实验题目：区间[]5,5-10等分，对下列函数分别计算插值节点k x 的值，进行不同类型的插值，作出插值函数的图形并与)(x f y =的图形进行比较： 2 11)(x x f +=； x x f arctan )(=； 4 41)(x x x f += （1） 做拉格朗日插值； （2） 做三次样条插值. 2. 拟合多项式实验 实验题目：给定数据点如下表所示： 分别对上述数据作三次多项式和五次多项式拟合，并求平方误差，作出离散函数),(i i y x 和拟合函数的图形. 三、实验原理 本实验应用了拉格朗日插值程序、三次样条插值程序、多项式拟合程序等实验原理. 四、实验内容 1（1） figure x=-5:0.2:5; y=1./(1+x.^2); plot(x,y,'r'); hold on %拉格朗日插值 x1=-5:1:5; y1=1./(1+x1.^2); xx=-4.5:0.5:4.5; yy=malagr(x1,y1,xx); plot(xx,yy,'+') %三次样条插值 dy0=1./(1+25); dyn=1./(1+25);
m=maspline(x1,y1,dy0,dyn,xx); plot(xx,m,'ok') 1（2） x=-5:0.2:5; y=atan(x); plot(x,y,'r'); hold on %拉格朗日插值 x1=-5:1:5; y1=atan(x1); xx=-4.5:0.5:4.5; yy=malagr(x1,y1,xx); plot(xx,yy,'+') %三次样条插值 dy0=1./(1+25); dyn=1./(1+25); m=maspline(x1,y1,dy0,dyn,xx); plot(xx,m,'ok') 1（3） x=-5:0.2:5; y=x.^2./(1+x.^4); plot(x,y,'r'); hold on %拉格朗日插值 x1=-5:1:5; y1=x1.^2./(1+x1.^4); xx=-4.5:0.5:4.5; yy=malagr(x1,y1,xx); plot(xx,yy,'+') %三次样条插值 dy0=1./(1+25); dyn=1./(1+25); m=maspline(x1,y1,dy0,dyn,xx); plot(xx,m,'ok') 2. x=[-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5]'; y=[-4.45 -0.45 0.55 0.05 -0.44 0.54 4.55]'; plot(x,y,'or'); hold on %三次多项式拟合 p1=mafit(x,y,3);
插值和拟合
插值和拟合的定义 1.定义：若x为自变量，y为因变量，则x与y之间有一个确定的函数表达式f（x），现实中，这个函数关系式很难确定，运用逼近的方法处理：取得一组数据点（xi,yi,i=1,2,3...n）,构造一个简单函数p(x)作为f(x)的近似表达式，且p(x)满足： p(xi)=f(xi)=yi i=1,2,3,4...n 这就是插值问题。 若不要求p(x)通过所有数据点，而是要求曲线在某种准则下整体与数据点接近，例如运用最小二乘法得到p(x),这种问题称为拟合。 2插值类型：一维插值是指对一维函数y=f(x)进行插值，二维插值就是对二维函数y=f(x,y)进行插值. 3.插值的matlab函数及其应用 （1）.一维插值：yi=interp1(x,Y,xi，’method’)，对一组节点（x,Y）进行插值，计算插值点xi 的函数值。method包括了一下几种类型： Nearest：线性最邻近插值（速度最快，平滑性最差） Linear：线性插值（默认项）（生成效果连续，但是顶点处有坡度变化） Spline：三次样条插值（运行时间较长，插值数据和导数均连续） Pchip：分段三次艾米尔特（hermite）插值 Cubic：双三次插值（较高版本的matlab不能运用，v5cubic能够运行） 运行的代码及插值效果： clear; clc; x=0:0.2:2; y=(x.^2-3*x+5).*exp(-3*x).*sin(x); xi=0:0.03:2; yi_nearest=interp1(x,y,xi,'nearest'); yi_linear=interp1(x,y,xi,'linear'); yi_spline=interp1(x,y,xi,'spline'); yi_pchip=interp1(x,y,xi,'pchip'); yi_cubic=interp1(x,y,xi,'v5cubic'); figure; hold on; subplot(2 ,3, 1); plot(x,y,'r*'); title('已知数据值'); subplot(2, 3 ,2); plot(x,y,'r*',xi,yi_nearest,'b-'); title('最邻近插值');
曲线拟合与插值理论与实例
第11章曲线拟合与插值 在大量的应用领域中，人们经常面临用一个解析函数描述数据(通常是测量值)的任务。对这个问题有两种方法。在插值法里，数据假定是正确的，要求以某种方法描述数据点之间所发生的情况。这种方法在下一节讨论。这里讨论的方法是曲线拟合或回归。人们设法找出某条光滑曲线，它最佳地拟合数据，但不必要经过任何数据点。图11.1说明了这两种方法。标有'o'的是数据点；连接数据点的实线描绘了线性内插，虚线是数据的最佳拟合。 11.1 曲线拟合 曲线拟合涉及回答两个基本问题：最佳拟合意味着什么？应该用什么样的曲线？可用许多不同的方法定义最佳拟合，并存在无穷数目的曲线。所以，从这里开始，我们走向何方？正如它证实的那样，当最佳拟合被解释为在数据点的最小误差平方和，且所用的曲线限定为多项式时，那么曲线拟合是相当简捷的。数学上，称为多项式的最小二乘曲线拟合。如果这种描述使你混淆，再研究图11.1。虚线和标志的数据点之间的垂直距离是在该点的误差。对各数据点距离求平方，并把平方距离全加起来，就是误差平方和。这条虚线是使误差平方和尽可能小的曲线，即是最佳拟合。最小二乘这个术语仅仅是使误差平方和最小的省略说法。
图11.1 2阶曲线拟合 在MATLAB中，函数polyfit求解最小二乘曲线拟合问题。为了阐述这个函数的用法，让我们以上面图11.1中的数据开始。 ? x=[0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1]; ? y=[-.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2]; 为了用polyfit，我们必须给函数赋予上面的数据和我们希望最佳拟合数据的多项式的阶次或度。如果我们选择n=1作为阶次，得到最简单的线性近似。通常称为线性回归。相反，如果我们选择n=2作为阶次，得到一个2阶多项式。现在，我们选择一个2阶多项式。 ? n=2; % polynomial order ? p=polyfit(x, y, n) p = -9.8108 20.1293 -0.0317 polyfit的输出是一个多项式系数的行向量。其解是y = －9.8108x2＋20.1293x－0.0317。为了将曲线拟合解与数据点比较，让我们把二者都绘成图。
曲线拟合与插值3二维插值
二维插值 二维插值是基于与一维插值同样的基本思想。然而，正如名字所隐含的，二维插值是对两变量的函数 z=f(x, y)进行插值。为了说明这个附加的维数，考虑一个问题。设人们对平板上的温度分布估计感兴趣，给定的温度值取自平板表面均匀分布的格栅。 采集了下列的数据： ? width=1:5;%index for width of plate (i.e.,the x-dimension) ? depth=1:3;%index for depth of plate (i,e,,the y-dimension) ? t emps=[8281808284; 7963616581; 8484828586]%temperature data temps = 8281808284 7963616581 8484828586 如同在标引点上测量一样，矩阵temps表示整个平板的温度分布。temps的列与下标depth或y-维相联系，行与下标width或x-维相联系(见图11.6)。为了估计在中间点的温度，我们必须对它们进行辨识。 ? wi=1:0.2:5;%estimate across width of plat e ? d=2;%at a depth of 2 ? zlinear=interp2(width, depth, temps, wi, d) ;%linear interpolation ? zcubic=interp2(width, depth, temps, wi,d, ' cubic ') ;%cubic interpolation ? plot(wi, zlinear, ' - ' , wi, zcubic)%plot results ? xlabel(' Width of Plate '),y label(' Degrees Celsius ') ? title( [' Temperature at Depth ='num2str(d) ] ) 另一种方法，我们可以在两个方向插值。先在三维坐标画出原始数据，看一下该数据的粗糙程度(见图11.7)。? mesh(width, depth, temps)%use mesh plot ? xlabel(' Width of Plate '),ylabel(' Depth of Plate ') ? zlabel(' Degrees Celsius '),axis(' ij '),grid
数值分析作业-三次样条插值
数值计算方法作业 实验4.3 三次样条差值函数 实验目的： 掌握三次样条插值函数的三弯矩方法。 实验函数: dt e x f x t ? ∞ -- = 2 221)(π 实验内容： （1） 编程实现求三次样条插值函数的算法，分别考虑不同的边界条件； （2） 计算各插值节点的弯矩值； （3） 在同一坐标系中绘制函数f(x)，插值多项式，三次样条插值多项式的曲线 比较插值结果。 实验4.5 三次样条差值函数的收敛性 实验目的： 多项式插值不一定是收敛的，即插值的节点多，效果不一定好。对三次样条插值函数如何呢？理论上证明三次样条插值函数的收敛性是比较困难的，通过本实验可以证明这一理论结果。 实验内容： 按照一定的规则分别选择等距或非等距的插值节点，并不断增加插值节点的个数。 实验要求： （1） 随着节点个数的增加，比较被逼近函数和三样条插值函数的误差变化情 况，分析所得结果并与拉格朗日插值多项式比较； （2） 三次样条插值函数的思想最早产生于工业部门。作为工业应用的例子，考
虑如下例子：某汽车制造商根据三次样条插值函数设计车门曲线，其中一 算法描述： 拉格朗日插值： 错误!未找到引用源。 其中错误!未找到引用源。是拉格朗日基函数，其表达式为：() ∏ ≠=--=n i j j j i j i x x x x x l 0) ()( 牛顿插值： ) )...()(](,...,,[.... ))(0](,,[)0](,[)()(1102101210100----++--+-+=n n n x x x x x x x x x x f x x x x x x x f x x x x f x f x N 其中????? ?? ?? ?????? --=--= --= -)/(]),...,[],...,[(]...,[..],[],[],,[)()(],[01102110x x x x x f x x x f x x x f x x x x f x x f x x x f x x x f x f x x f n n n n i k j i k j k j i j i j i j i 三样条插值： 所谓三次样条插值多项式Sn(x)是一种分段函数，它在节点Xi(a 利用matlab实现插值与拟合实验 张体强1026222 张影 晁亚敏 [摘要]：在测绘学中，无论是图形处理，还是地形图处理等，大多离不开插值与拟合的应用，根据插值与拟合原理，构造出插值和拟合函数，理解其原理，并在matlab平台下，实现一维插值，二维插值运算，实现多项式拟合，非线性拟合等，并在此基础上，联系自己所学专业，分析其生活中特殊例子，提出问题，建立模型，编写程序，以至于深刻理解插值与拟合的作用。 [关键字]: 测绘学插值多项式拟合非线性拟合 [ Abstract]: in surveying and mapping, whether the graphics processing, or topographic map processing and so on, are inseparable from the interpolation and fitting application, according to the interpolation and fitting theory, construct the fitting and interpolation function, understanding its principle, and MATLAB platform, achieve one-dimensional interpolation, two-dimensional interpolation, polynomial fitting, non-linear fitting, and on this basis, to contact their studies, analysis of their living in a special example, put forward the question, modeling, programming, so that a deep understanding of interpolation and fitting function. [ Key words]: Surveying and mapping interpolation polynomial fitting nonlinear 13. 数据插值与拟合 实际中，通常需要处理实验或测量得到的离散数据（点）。插值与拟合方法就是要通过离散数据去确定一个近似函数（曲线或曲面），使其与已知数据有较高的拟合精度。 1.如果要求近似函数经过所已知的所有数据点，此时称为插值问 题（不需要函数表达式）。 2.如果不要求近似函数经过所有数据点，而是要求它能较好地反 映数据变化规律，称为数据拟合（必须有函数表达式）。 插值与拟合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。区别是：【插值】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。【拟合】要求得到一个具体的近似函数的表达式。 因此，当数据量不够，但已知已有数据可信，需要补充数据，此时用【插值】。当数据基本够用，需要寻找因果变量之间的数量关系（推断出表达式），进而对未知的情形作预测，此时用【拟合】。 一、数据插值 根据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 Matlab 插值函数实现： （1）interp1( ) 一维插值 （2）intep2( ) 二维插值 （3）interp3( ) 三维插值 （4）intern( ) n维插值 1.一维插值（自变量是1维数据） 语法：yi = interp1(x0, y0, xi, ‘method’) 其中，x0, y0为原离散数据（x0为自变量，y0为因变量）；xi为需要插值的节点，method为插值方法。 注：（1）要求x0是单调的，xi不超过x0的范围； （2）插值方法有‘nearest’——最邻近插值；‘linear’——线性插值；‘spline’——三次样条插值；‘cubic’——三次插值； 插值和拟合 实验目的：了解数值分析建模的方法，掌握用Matlab进行曲线拟合的方法，理解用插值法建模的思想，运用Matlab一些命令及编程实现插值建模。 实验要求：理解曲线拟合和插值方法的思想，熟悉Matlab相关的命令，完成相应的练习，并将操作过程、程序及结果记录下来。 实验内容： 一、插值 1．插值的基本思想 ·已知有n +1个节点（xj,yj），j = 0,1,…, n，其中xj互不相同，节点(xj, yj)可看成由某个函数y= f （x）产生； ·构造一个相对简单的函数y=P(x)； ·使P通过全部节点，即P (xk) = yk，k=0,1,…, n ； ·用P (x)作为函数f ( x )的近似。 2．用MA TLAB作一维插值计算 yi=interp1(x，y，xi，'method') 注：yi—xi处的插值结果；x，y—插值节点；xi—被插值点；method—插值方法（‘nearest’：最邻近插值；‘linear’：线性插值；‘spline’：三次样条插值；‘cubic’：立方插值；缺省时：线性插值）。注意：所有的插值方法都要求x是单调的，并且xi不能够超过x的范围。 练习1：机床加工问题 每一刀只能沿x方向和y方向走非常小的一步。 表3-1给出了下轮廓线上的部分数据 但工艺要求铣床沿x方向每次只能移动0.1单位. 这时需求出当x坐标每改变0.1单位时的y坐标。 试完成加工所需的数据，画出曲线. 步骤1：用x0，y0两向量表示插值节点； 步骤2：被插值点x=0:0.1:15; y=y=interp1(x0,y0,x,'spline'); 步骤3：plot(x0,y0,'k+',x,y,'r') grid on 答：x0=[0 3 5 7 9 11 12 13 14 15 ]; y0=[0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.0 1.6 ]; x=0:0.1:15; y=interp1(x0,y0,x,'spline'); plot(x0,y0,'k+',x,y,'r') grid on m a t l a b实现插值法和 曲线拟合 插值法和曲线拟合 电子科技大学 摘要：理解拉格朗日多项式插值、分段线性插值、牛顿前插，曲线拟合，用matlab编程求解函数，用插值法和分段线性插值求解同一函数，比较插值余项；用牛顿前插公式计算函数，计算函数值；对于曲线拟 合，用不同曲线拟合数据。 关键字：拉格朗日插值多项式；分段线性插值；牛顿前插；曲线拟合 引言： 在数学物理方程中，当给定数据是不同散点时，无法确定函数表达式，求解函数就需要很大的计算量，我们有多种方法对给定的表格函数进行求解，我们这里，利用插值法和曲线拟合对函数进行求解，进一步了解函数性质，两种方法各有利弊，适合我们进行不同的散点函数求解。 正文： 一、插值法和分段线性插值 1拉格朗日多项式原理 对某个多项式函数，已知有给定的k + 1个取值点： 其中对应着自变量的位置，而对应着函数在这个位置的取值。 假设任意两个不同的x j都互不相同，那么应用拉格朗日插值公式所得到的拉格朗日插值多项式为： 其中每个为拉格朗日基本多项式（或称插值基函数），其表达式为： [3] 拉格朗日基本多项式的特点是在上取值为1，在其它的点 上取值为0。 2分段线性插值原理 给定区间[a,b], 将其分割成a=x 0 数值分析法 相关知识 在生产和科学实验中，自变量x 与因变量y 间的函数关系()y f x =有时不能写出解析表达式，而只能得到函数在若干点的函数值或导数值，或者表达式过于复杂而需要较大的计算量。当要求知道其它点的函数值时，需要估计函数值在该点的值。 为了完成这样的任务，需要构造一个比较简单的函数()y x ?=，使函数在观测点的值等于已知的值，或使函数在该点的导数值等于已知的值，寻找这样的函数()y x ?=有很多方法。根据测量数据的类型有以下两类处理观测数据的方法。 （1）测量值是准确的，没有误差，一般用插值。 （2）测量值与真实值有误差，一般用曲线拟合。 曲线拟合法 已知离散点上的数据集1122{(,),(,),,(,)}n n x y x y x y ，即已知在点集12{,,,}n x x x 上的函数值12{,,,}n y y y ，构造一个解析函数（其图形为一曲线）使()f x 在原离散点 i x 上尽可能接近给定的i y 值，这一过程称为曲线拟合。 曲线拟合的一般步骤是先根据实验数据，结合相关定律，将要寻求的最恰当的拟合曲线方程形式预测出来，再用其他的数学方法确定经验公式中的参数。 对于事先给定的一组数据，确定经验公式一般可分为三步进行： (1)、确定经验公式的形式：根据系统和测定的数据的特点，并参照已知图形的特点确定经验公式的形式。 （2）、确定经验公式中的待定系数：计算待定系数的方法有许多常用的法有图示法、均值法、差分法、最小二乘法、插值法等。 （3）、检验：求出经验公式后，还要将测定的数据与用经验公式求出的理论 数据作比较，验证经验公式的正确性，必要时还要修正经验公式。 关于确定经验公式的形式，可从以下几个方面入手： （1）、利用已知的结论确定经验公式形式，如由已知的胡克定律可以确定在一定条件下，弹性体的应变与应力呈线性关系等。 （2）、从分析实验数据的特点入手，将之与已知形式的函数图形相对照，确定经验公式的形式。 （3）、描点作图法：将已知的点用光滑的曲线连接起来，寻找曲线的形式。 （4）、多项式近似、线性插值或样条插值等。多项式近似是工程中十分常见的方法，它首先需要确定多项式的次数，一般可以用差分法、差商法来估计。 <一>、差分方程法 <1>、差分方程：差分方程反映的是关于离散变量的取值与变化规律。通过建立一个或几个离散变量取值所满足的平衡关系，从而建立差分方程。 (1)、说明：差分方程就是针对要解决的目标，引入系统或过程中的离散变量，根据实际背景的规律、性质、平衡关系，建立离散变量所满足的平衡关系等式，从而建立差分方程。通过求出和分析方程的解，或者分析得到方程解的特别性质（平衡性、稳定性、渐近性、振动性、周期性等），从而把握这个离散变量的变化过程的规律，进一步再结合其他分析，得到原问题的解。 (2)、应用：差分方程模型有着广泛的应用。实际上，连续变量可以用离散变量来近似和逼近，从而微分方程模型就可以近似于某个差分方程模型。差分方程模型有着非常广泛的实际背景。在经济金融保险领域、生物种群的数量结构规律分析、疾病和病虫害的控制与防治、遗传规律的研究等许许多多的方面都有着非常重要的作用。可以这样讲，只要牵涉到关于变量的规律、性质，就可以适当地用差分方程模型来表现与分析求解。 MATLAB 程序设计期中考查 在许多问题中，通常根据实验、观测或经验得到的函数表或离散点上的信息，去研究分析函数的有关特性。其中插值法是一种最基本的方法，以下给出最基本的插值问题——三次样条插值的基本提法： 对插值区间[]b a ,进行划分：b x x x a n ≤ 实验10 曲线拟合和插值运算 一． 实验目的 学会MATLAB 软件中软件拟合与插值运算的方法。 二． 实验内容与要求 在生产和科学实验中，自变量x 与因变量y=f(x)的关系式有时不能直接写出表达式，而只能得到函数在若干个点的函数值或导数值。当要求知道观测点之外的函数值时，需要估计函数值在该点的值。 要根据观测点的值，构造一个比较简单的函数y=t (x),使函数在观测点的值等于已知的数值或导数值，寻找这样的函数t(x),办法是很多的。 根据测量数据的类型有如下两种处理观测数据的方法。 （1） 测量值是准确的，没有误差，一般用插值。 （2） 测量值与真实值有误差，一般用曲线拟合。 MATLAB 中提供了众多的数据处理命令，有插值命令，拟合命令。 1.曲线拟合 已知离散点上的数据集[(1x ,1y ),………(n x ,n y )]，求得一解析函数y=f (x),使f(x)在原离散点i x 上尽可能接近给定i y 的值，之一过程叫曲线拟合。最常用的的曲线拟合是最小二乘法曲线拟合，拟合结果可使误差的平方和最小，即使求使21|()|n i i i f x y =-∑ 最小的f(x). 格式：p=polyfit(x,Y ,n). 说明：求出已知数据x,Y 的n 阶拟合多项式f(x)的系数p ，x 必须是单调的。 [例 1.9] >>x=[0.5,1.0,1.5,2.0,2.5,3.0]; %给出数据点的x 值 >>y=[1.75,2.45,3.81,4.80,7.00,8.60]; %给出数据点的y 值 >>p=polyfit (x,y,2); %求出二阶拟合多项式f(x)的系数 >>x1=0.5:0.05:3.0; %给出x 在0.5~3.0之间的离散值 >>y1=polyval(p,1x ); %求出f(x)在1x 的值 >>plot(x,y,?*r ?, 11,x y ?-b ?) %比较拟合曲线效果 计算结果为： p= 0.5614 0.8287 1.1560 即用f(x)=0.56142 x +0.8287x+1.1560拟合已知数据，拟合曲线效果如图所示。 插值和拟合区别 运输1203黎文皓通过这个学期的《科学计算与数学建模》课程的学习，使我掌握了不少数学模型解决实际问题的方法，其中我对于插值与拟合算法这一章，谈一谈自己的看法可能不是很到位，讲得不好的地方也请老师见谅。 首先，举一个简单的例子说明一下这个问题。 如果有100个平面点，要求一条曲线近似经过这些点，可有两种方法：插值和拟合。 我们可能倾向于用一条（或者分段的多条）2次、3次或者说“低次”的多项式曲线而不是99次的曲线去做插值。也就是说这条插值曲线只经过其中的3个、4个（或者一组稀疏的数据点）点，这就涉及到“滤波”或者其他数学方法，也就是把不需要90多个点筛选掉。如果用拟合，以最小二乘拟合为例，可以求出一条（或者分段的多条）低次的曲线（次数自己规定），逼近这些数据点。具体方法参见《数值分析》中的“线性方程组的解法”中的“超定方程的求解法”。经过上面例子的分析，我们可以大致的得到这样一个结论。插值就是精确经过，拟合就是逼近。 插值和拟合都是函数逼近或者数值逼近的重要组成部分。他们的共同点都是通过已知一些离散点集M上的约束，求取一个定义在连续集合S(M包含于S)的未知连续函数，从而达到获取整体规律目的，即通过"窥几斑"来达到"知全豹"。 所谓拟合是指已知某函数的若干离散函数值{f1,f2,…,fn}，通过调 整该函数中若干待定系数f(λ1, λ2,…,λ3), 使得该函数与已知点集的差别(最小二乘意义)最小。如果待定函数是线性，就叫线性拟合或者线性回归(主要在统计中)，否则叫作非线性拟合或者非线性回归。表达式也可以是分段函数，这种情况下叫作样条拟合。 而插值是指已知某函数的在若干离散点上的函数值或者导数信息，通过求解该函数中待定形式的插值函数以及待定系数，使得该函数在给定离散点上满足约束。 从几何意义上将，拟合是给定了空间中的一些点，找到一个已知形式未知参数的连续曲面来最大限度地逼近这些点；而插值是找到一个(或几个分片光滑的)连续曲面来穿过这些点。 不过是插值还是拟合都是建立在一定的数学模型的基础上进行的。多项式插值虽然在一定程度上解决了由函数表求函数的近似表达式的问题，但是在逼近曲线上有明显的缺陷，很可能不能很好的表示函数的走向，存在偏差，在实际问题中我们往往通过函数近似表达式的拟合法来得到一个较为准却的表达式。 CENTRAL SOUTH UNIVERSITY 数值分析实验报告 三次样条插值方法的应用 一、问题背景 分段低次插值函数往往具有很好的收敛性，计算过程简单，稳定性好，并且易于在在电子计算机上实现，但其光滑性较差，对于像高速飞机的机翼形线船体放样等型值线往往要求具有二阶光滑度，即有二阶连续导数，早期工程师制图时，把富有弹性的细长木条（即所谓的样条）用压铁固定在样点上，在其他地方让他自由弯曲，然后沿木条画下曲线，称为样条曲线。样条曲线实际上是由分段三次曲线并接而成，在连接点即样点上要求二阶导数连续，从数学上加以概括就得到数学样条这一概念。下面我们讨论最常用的三次样条函数及其应用。 二、数学模型 样条函数可以给出光滑的插值曲线（面），因此在数值逼近、常微分方程和偏微分方程的数值解及科学和工程的计算中起着重要的作用。 设区间[]b ,a 上给定有关划分b x x n =<<<=Λ10x a ，S 为[]b ,a 上满足下面条件的函数。 ● )(b a C S ,2∈； ● S 在每个子区间[]1,+i i x x 上是三次多项式。 则称S 为关于划分的三次样条函数。常用的三次样条函数的边界条件有三种类型： ● Ⅰ型 ()()n n n f x S f x S ''0'',==。 ● Ⅱ型 ()()n n n f x S f x S ''''0'''',==，其特殊情况为()()0''''==n n x S x S 。 ● Ⅲ型 ()()Λ3,2,1,0,0==j x S x S n j j ，此条件称为周期样条函数。 鉴于Ⅱ型三次样条插值函数在实际应用中的重要地位，在此主要对它进行详细介绍。 三、算法及流程 按照传统的编程方法，可将公式直接转换为MATLAB可是别的语言即可；另一种是运用矩阵运算，发挥MATLAB在矩阵运算上的优势。两种方法都可以方便地得到结果。方法二更直观，但计算系数时要特别注意。这里计算的是方法一的程序，采用的是Ⅱ型边界条件，取名为spline2.m。 Matlab代码如下： function s=spline2(x0,y0,y21,y2n,x) %s=spline2(x0,y0,y21,y2n,x) %x0,y0 are existed points,x are insert points,y21,y2n are the second %dirivitive numbers given. n=length(x0); km=length(x); a(1)=-0.5; b(1)=3*(y0(2)-y0(1))/(2*(x0(2)-x0(1))); for j=1:(n-1) h(j)=x0(j+1)-x0(j); end for j=2:(n-1) alpha(j)=h(j-1)/(h(j-1)+h(j)); beta(j)=3*((1-alpha(j))*(y0(j)-y0(j-1))/h(j-1)+alpha(j)*(y0(j+1)-y0(j))/h(j));插值与拟合(使用插值还是拟合)
(完整版)Matlab学习系列13.数据插值与拟合
数学建模插值及拟合详解
matlab实现插值法和曲线拟合电子教案
数值分析法 曲线拟合法插值建模法
(精选)三次样条插值的MATLAB实现
曲线拟合和插值运算原理和方法
插值和拟合区别
三次样条插值方法的应用