Matlab中数据处理方法

插值 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 (interp,spline)拟合方法(polyfit,csaps)Matlab数据处理--插值与拟合插值、拟合在化工计算中的作用 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 格式物性数据的内插离散实验数据点的处理插值简介插值的数学问题可以描述为：已知n个数对{xi,f(xi)}，其中i＝0,1…n，（xi互不相同，称之为节点），求取函数g(xi)=f(xi)。当{xi,f(xi)}有相当的精确度，但它们的函数关系难以确定或难以计算时，则可利用这些数据点来构造一个较简单的函数来近似表达原函数关系。根据逼近函数的不同，常见的插值方法：Lagrange多项式插值（线性插值）分段插值三次样条插值三角插值有理式插值插值方法的选择已知熔盐在423～473K的密度和粘度如下表所示，估计450K时的密度和粘度。温度(K)密度(kg/m3)粘度(Pa·S)4231976177.584331967146.514431959122.794531951104.6463194390.26473193478.79Matlab的插值（Interpolation）函数插值方法Matlab函数插值方法Matlab函数一维插值interp1使用FFT方法的一维插值interpft快速一维插值interpq分段三次Hermite插值pchip二维插值interp2三次样条插值spline三维插值interp3N维插值interpn一维插值interp1调用格式：yi＝interp1(x,y,xi)已知数据向量（x,y），计算并返回在插值向量xi处的函数值yi=interp1(x,y,xi,‘method’)yi=interp1(x,y,xi,‘method’,‘extrap’)‘method’用于指定插值算法，其值可以是：‘nearest’——最近插值‘linear’——线性插值（默认值）‘spline’——分段三次样条插值‘pchip’——分段三次Hermite插值‘cubic’——与‘pchip’相同注意：向量x为单调。若y为矩阵，则对y的每一列进行插值向量xi中有元素不在x的范围内，则对应yi值为NaN’extrap’用于指定当向量xi中有元素不在x的范围内时，采用’method’所指定的插值算法进行外插计算与之对应的yi值已知x=[0:10]，y=[00.84150.90930.1411-0.7568-0.9589-0.27940.65700.98940.4121-0.5440];(y＝sinx)，比较一维线性、线性最近、立方和三次样条插值所得xi＝0,0.15,0.30,0.45,…,10处的值yi。如果初始数据点为x＝0,2,4,…,10，y＝sinx，以上方法插值效果。一维插值方法比较x=0:1:10;y=[00.84150.90930.1411-0.7568-0.9589-0.27940.6570.98940.4121-0.5440];plot(x,y,'co'),holdonfplot(@sin,[010])%%%Plotfunctionbetweenspecifiedlimitsxi=0:0.15:10;yi=interp1(x,y,xi);plot(xi,yi,'r+'),text(0.7028,0.4649,'线性插值\rightarrow')yi2=interp1(x,y,xi,'nearst');plot(xi,yi2,'c*'),text(3.537,0.1374,'\leftarrow最近插值')yi3=interp1(x,y,xi,'cubic');plot(xi,yi3,'md'),text(2.408,0.8333,'\leftarrow三次插值')yi4=interp1(x,y,xi,'spline');plot(xi,yi4,'kh'),text(4.62,0.8158,'三次样条插值\rightarrow')spline与pchipSpline()的调用格式为：yi=spline(x,y,xi)此函数等同于yi=interp1(x,y,xi,‘spline’)pp=spline(x,y)返回三次样条插值的分段多项式形式的向量spline函数可以保证插值函数的三阶导数连续pchip()的调用格式为：yi=pchip(x,y,xi)此函数等同于yi=interp1(x,y,xi,‘pchip’)pp=pchip(x,y)返回三次样条插值的分段多项式形式的向量二维插值：interp2调用格式：zi=interp2(x,y,z,xi,yi,’method’)‘method’算法属性值可以是；‘nearest’——最近插值‘linear’——线性插值（默认）‘spline’——三次样条插值(spline)‘cubic’——立方插值二维插值函数的使用假设有一组分度系数的“海底深度测量数据”，由以下一段程序生成：randn('state',2);x=-5:5;y=-5:5;[X,Y]=meshgrid(x,y);Z=-500+1.2*exp(-((X-1).^2+(Y-2).^2))-0.7*exp(-(exp(X+2).^2+(Y+1).^2));surf(X,Y,Z)，view(-25,25)试由插值方式绘制海底形状图。xi=linspace(-5,5,50);yi=linspace(-5,5,50);[XI,YI]=meshgrid(xi,yi);ZI=interp2(X,Y,Z,XI,YI,'*cubic');surf(XI,YI,ZI)view(-25,25)三维插值：interp3调用格式：zi=interp3(x,y,z,v,xi,yi,zi,’method’)‘method’算法属性值可以是；‘nearest’——最近插值‘linear’——线性插值（默认）‘spline’——三次样条插值(spline)‘cubic’——立方插值拟合简介拟合和插值的区别在于：拟合时，所得函数不需要过所有数值点插值函数不宜外推，拟合函数在某些情况则可以拟合方法中最常用的是最小二乘曲线拟合最小二乘法的基本思路是使拟合因变量y在给定点xi上使残差平方和最小用于拟合的函数可以是多样的，本讲只介绍多项式函数拟合和样条函数拟合最小二乘多项式拟合：polyfit调用格式如下：p=polyfit(x,y,n)[p,s]=polyfit(x,y,n)说明：输入参数：(x,y)为已知数据向量，n为多项式阶数；输出参数p为拟合生成的多项式的系数向量（长度为n+1），s为结构参数，供函数polyval()调用以获得误差估计值。函数polyval()常常与polyfit()联合使用，其调用格式为：y=polyval(p,x)。[y,deltay]=polyval(p,xi,s),返回xi处的拟合函数值，deltay是50%置信区间的y的误差。多项式次数对拟合效果的影响x0.51.01.52.02.53.0y1.752.453.814.808.008.60x=0.5:0.5:3;y=[1.752.453.814.808.008.60];xi=0.5:0.05:3;[a2,S2]=polyfit(x,y,2);[y2,delta2]=polyval(a2,xi,S2);plot(x,y,'ro',xi,y2,'m-'),text(1.04,4.67,'二次多项式拟合\leftarrow')holdon,[a4,S4]=polyfit(x,y,4);[y4,delta4]=polyval(a4,xi,S4);plot(x,y,'ro',xi,y4,'b-'),holdon,text(1.563,6.775,'四次多项式拟合\leftarrow')[a7,S7]=polyfit(x,y,7);[y7,delta7]=polyval(a7,xi,S7);plot(x,y,'ro',xi,y7,'k-'),holdon,text(1.931,9.532,'七次多项式拟合\leftarrow'),holdoff已知下表数据，用polyfit进行多项式拟合loadcarsmallx1=Weight;x2=Horsepower;%ContainsNaNdatay=MPG;X=[ones(size(x1))x1x2x1.*x2];b=regress(y,X)%RemovesNaNdatascatter3(x1,x2,y,'filled')holdonx1fit=min(x1):100:max(x1);x2fit=min(x2):10:max(x2);[X1FIT,X2FIT]=meshgrid(x1fit,x2fit);YFIT=b(1)+b(2)*X1FIT+b(3)*X2FIT+b(4)*X1FIT.*X2FIT;mesh(X1FIT,X2FIT,YFIT)xlabel('Weight')ylabel('Horsepower')zlabel('MPG')view(50,10)X=[ones(size(x1))x1x2x1.*x2];b=regress(y,X)%RemovesNaNdata