发布时间 : 星期四 文章MATLAB曲线拟合(含实例)更新完毕开始阅读abf0db68f121dd36a22d82ae
在MATLAB命令窗口中输入： clear; close; x=-1:0.25:1;
y=[-0.2209,0.3295,0.8826,1.4392,2.0003,2.5645,3.1334,3.7061,4.2836]
p1=polyfit(x,y,1) p2=polyfit(x,y,2) y1=polyval(p1,x); y2=polyval(p2,x);
plot(x,y,'+',x,y1,'r:',x,y2,'k-.') 运行结果： 1
拟合多项式为：y*=2.0516+2.0131和y*=0.0313x2+2.2516x+2.20001 （2）非线性数据拟合函数lsqcurvefit调用格式为： c=lsqcurvefi（t'fun',x0,xdata,ydata）
其中'fun'为拟合函数的M-函数文件名，x0为初始向量，xdata,ydata为参与曲线拟合的实验数据。函数返回值c为非线性函数fun的拟合系数。
例2：2004年全国大学生数学建模竞赛C题（酒后驾车）中给出某人在短时间内喝下两瓶啤酒后，间隔一定的时间测量他的血液中酒精含量y（毫克/百毫升），得到数据如表2。
表2 酒精含量与饮酒时间的实验数据 时间（小时） 0.25 0.5 0.75 1 酒精含量 30 68 7 35 75 8 28 1.5 2 2.5 3 3.5 4
4.5 5 41 82 82 9 10
77 68 11 12 15 12 68 58 13 14 10 7 51 50 15 16 7 4
时间（小时） 6 酒精含量 38 25 18
通过建立微分方程模型得到短时间内喝酒后血液中 酒精浓度与时间的关系为： y=c1(e?c2t?e?c3t) （2）
根据实验数据，利用非线性拟合函数lsqcurvefit，确定模型（2）式中的参数c1，c2，c3。求解过程为：
先编写一个M-函数文件Example2_1： function f=Example2_1(c,tdata) f=c(1)*(exp(-c(2)*tdata)-exp(-c(3)*tdata)); 保存后，在命令窗口中输入： clear
tdata=[0.25 0.5 0.75 1 1.5 2 2.5 3 3.5 4 4.5 5 6 7 8 9 10 11 12 13 14 15 16]; ydata=[30 68 75 82 82 77 68 68 58 51 50 41 38 35 28 25 8 15 12 10 7 7 4]; c0=[1 1 1];
2
for i=1:50;
c=lsqcurvefit('Example2_1',c0,tdata,ydata);
c0=c; end
得到最优解为：c= 117.05,0.1930,1.9546 从而得出拟合曲线：
y=117.05(e0.1930t?e1.9546t) 2.2.图形窗口形式
（1）利用多项式拟合的交互图命令（GUI）polytool，调用格式为：polytoo（lx,y）
其中x,y分别为实验数据构成的向量，例如利用polytool求解例1的MATLAB命令如下： x=-1:0.25:1
y=[-0.2209,0.3295,0.8826,1.4392,2.0003,2.5645,3.1334,3.7061,4.2836];
polytool（x,y）
打开多项式拟合的交互式界面，由于要拟合的函数为线性函数，因此在多项式拟合交互式界面中的Degree中输入1，点击导出数据Export,出现保存对话框ExporttoWorkspace,选中Parameters（参数）,Residuals（残差）后点击OK，在MATLAB的Workspace窗口中可以看到参数为：2.2516和2.0131，即拟合函数为
Y*=2.2516x+2.0131。
同样如果拟合的函数为二次函数，则只要在Degree中输入2，其它步骤相同，可得拟合函数为：
Y*=0.0313x2+2.2516x+2.0001
通过查看Residuals（残差）值，可以发现二次函数拟合的残差值比线性函数的要小一些，从拟合的效果看，可以选择二次函数作为拟合函数，但由于线性函数较简单，残差值也很小，从简单出发，也可选择线性函数作为拟合函数。
（2）基本拟合界面
MATLAB提供了一个方便简洁的拟合界面。具有拟合快速和操作简便的优势，只能拟合多项式。例如用基本拟合界面求解例1的过程如下：
clear;
close; x=-1:0.25:1;
y=[-0.2209,0.3295,0.8826,1.4392,2.0003,2.5645,3.1334,3.7061,4.2836];
plot(x,y,'+'); 运行结果： 3
在散点图的图形窗口上分别点击菜单档中的ToolsBasic Fitting,在Plots Fits中分别选中linear、quadratic、Show equations、plot residuals、show norm of residuals，所得拟合直线方程为：y*=2.3x+2；
拟合二次多项式为: Y*=0.031x2+2.3x+2
（3）曲线拟合工具界面cftool
曲线拟合工具界面cftool是一个可视化的图形界面，具有强大的图形拟合功能，下面通过一个具体例子来介绍cftool的用法。
例3某生化系学生为研究嘌呤霉素在某项酶促反应中对反应速度与底物浓度之间关系的影响，设计了一个实验，所得的实验数据见表3。根据问题的背景和数据建立一个合适的数学模型，来反映这项酶促反应的速度与底物浓度之间的关系。
表3 嘌呤霉素实验中的反应速度与底物浓度数据 底物浓度（ppm）x 0．02 反应速度y 0．06 0．11 0．22 0．56 1．10 76 47 97 107 123 139 159 152 191 201 207 200
酶促反应的速度y与底物浓度x之间的关系可用下面两个简单模型描述： Michaelis-Menten模型： 4