你在matlab下的commend window里输入cftool,然后在x data下选择t在y data下选择y。接着在右边的下拉框里选择custom equation,在custom equation下面输入c0+c1exp(-x/a1)+c2exp(-x/a2),然后它就输出结果了(cftool的左下边会出来结果)。我算的结果是a1=003832;a2=1194;c0=2506;c1=-0928;c2=6035;R方是09653 (你还可以在fit option里选择算法,推荐LM算法)。希望采纳哦!
输入数据
做数据曲线拟合,当然该有数据,本经验从以如下数据作为案例。
添加数据到curve fitting程序
这一步就是将你要拟合的数据添加到curve fitting程序中,同时给你拟合的曲线命名。
选择曲线拟合的方法类型
常见的拟合曲线有多项式的、指数的、对数的等等。curve fitting程序提供了很多的方法。你可以根据自己的数据具体选择。
选择好方法后,按照提供的公式选择具体的选项
本文的数据近似为线性的,我们选择多项式拟合的一阶方法。
拟合结果查看
拟合后,curve fitting会给你具体的函数表达式,你可以将他给出的参数的值带入你选择的方法中。
结果说明
在结果中,不仅可以看到函数的表达式,同时他还给出了95%置信区间的参数值,以及拟合好坏的一些指标,如:
SSE:
R-square:
Adjusted R-square:
RMSE:
画出图像
虽然在curve fitting程序有自带的图像显示,但是一般最好将拟合结果显示到单独的图像窗口。
保存结果
曲线拟合结束后,你可以保存你的拟合结果。选择你保存的路径即可。
MATLAB软件提供了基本的曲线拟合函数的命令.1 多项式函数拟合:a=polyfit(xdata,ydata,n)其中n表示多项式的最高阶数,xdata,ydata为将要拟合的数据,它是用数组的方式输入.输出参数a为拟合多项式 的系数多项式在x处的值y可用下面程序计算.y=polyval(a,x)2 一般的曲线拟合:p=curvefit(‘Fun’,p0,xdata,ydata)其中Fun表示函数Fun(p,data)的M函数文件,p0表示函数的初值.curvefit()命令的求解问题形式是若要求解点x处的函数值可用程序f=Fun(p,x)计算.例如已知函数形式 ,并且已知数据点 要确定四个未知参数a,b,c,d.使用curvefit命令,数据输入 ;初值输 ;并且建立函数 的M文件(Fun.m).若定义 ,则输出又如引例的求解,MATLAB程序:t=[l:16]; %数据输人y=[ 4 6.4 8 8.4 9.28 9.5 9.7 9.86 10.2 10.32 10.42 10.5 10.55 10.58 10.6] ;plot(t,y,’o’) %画散点图p=polyfit(t,y,2) (二次多项式拟合)计算结果:p=-00445 10711 43252 %二次多项式的系数由此得到某化合物的浓度y与时间t的拟合函数。
你这个如果拟合成正比例函数会误差很大,所以给你加上了个常数,仿真效果图如下:
y=87256495ln(x)-662045041
程序如下~~~~~~
clear;clc;close all;
x=[1975 1977 1979 1981];
y=[107, 1238, 2975, 3432];
lx=log(x);
p=polyfit(lx,y,1);
disp(['y=',num2str(p(1)),'ln(x)+',num2str(p(2))]);
figure;
plot(x,y,'o-');hold on;
plot(x,p(1)log(x)+p(2),'ro-');
对于分段曲线的函数拟合,可以按下列步骤来进行。
步骤一、根据已知的二维数据xi、yi,用绘图函数plot(x,y,'k'),绘出其散点图。
步骤二、根据散点图,判断分段曲线的分段区间,同时判断每个分段区间内的散点符合某个数学模型。
步骤三、根据分段区间,分别用matlab的拟合工具箱的拟合函数,去拟合其数学模型的系数。
步骤四、根据拟合后的数学模型的数值和已知的散点值作对比,判断拟合的数学模型是否合理,一般可以用决定系数R²来判断,当R²≈1,可以认为拟合是合理的。
matlab常用的函数有,regress(线性函数),nlinfit,lsqnonlin,lsqnonlin(非线性函数),GM(离散型非线性函数)等等。
以上就是关于matlab曲线拟合求参数,需要程序全部的内容,包括:matlab曲线拟合求参数,需要程序、怎样利用matlab根据实验数据绘制拟和曲线、谁能告诉我matlab如何拟合指数曲线啊等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)