matlab最小二乘法解超定方程,超定方程和最小二乘法
|| 對於方程組Ax=b,A為n×m矩陣,如果A列滿秩,且n>m。則方程組沒有精確解,此時稱方程組為超定方程組。
線性超定方程組經常遇到的問題是數 據的曲線擬合。對於超定方程,在MATLAB中,利用左除命令(x=A\b)來尋求它的最小二乘解。
最小二乘法(又稱最小平方法)是一種數學優化技術。它通過最小化誤差的平方和尋找數據的最佳函數匹配。利用最小二乘法可以簡便地求得未知的數據,並使得這些求得的數據與實際數據之間誤差的平方和為最小。最小二乘法還可用於曲線擬合。其他一些優化問題也可通過最小化能量或最大化熵用最小二乘法來表達
原理
在我們研究兩個變量(x,y)之間的相互關系時,通常可以得到一系列成對的數據(x1,y1.x2,y2... xm,ym);將這些數據描繪在x -y直角坐標系中,若發現這些點在一條直線附近,可以令這條直線方程如(式1-1)。
其中:a0、a1 是任意實數
為建立這直線方程就要確定a0和a1,應用《最小二乘法原理》,將實測值Yi與利用(式1-1)計算值(Yj=a0+a1X)的離差(Yi-Yj)的平方和最小為“優化判據”。
令:φ =(式1-2)
把(式1-1)代入(式1-2)中得:
φ =(式1-3)
當最小時,可用函數 φ 對a0、a1求偏導數,令這兩個偏導數等於零。
∑(a0 + a1*Xi - Yi)(式1-4)
∑Xi(a0 + a1*Xi - Yi)(式1-5)
亦即:
na0 + (∑Xi ) a1 = ∑Yi (式1-6)
(∑Xi ) a0 + (∑Xi^2 ) a1 = ∑(Xi*Yi) (式1-7)
得到的兩個關於a0、 a1為未知數的兩個方程組,解這兩個方程組得出:
a0 = (∑Yi) / n - a1(∑Xi) / n (式1-8)
a1 = [n∑Xi Yi - (∑Xi ∑Yi)] / [n∑Xi2 - (∑Xi)2 )] (式1-9)
這時把a0、a1代入(式1-1)中, 此時的(式1-1)就是我們回歸的元線性方程即:數學模型。
在回歸過程中,回歸的關聯式不可能全部通過每個回歸數據點(x1,y1. x2,y2...xm,ym),為了判斷關聯式的好壞,可借助相關系數“R”,統計量“F”,剩余標准偏差“S”進行判斷;“R”越趨近於 1 越好;“F”的絕對值越大越好;“S”越趨近於 0 越好。
R = [∑XiYi - m (∑Xi / m)(∑Yi / m)]/ SQR{[∑Xi2 - m (∑Xi / m)2][∑Yi2 - m (∑Yi / m)2]} (式1-10) *
在(式1-10)中,m為樣本容量,即實驗次數;Xi、Yi分別為任意一組實驗數據X、Y的數值。
擬合
對給定數據點{(Xi,Yi)}(i=0,1,…,m),在取定的函數類Φ 中,求p(x)∈Φ,使誤差的平方和E^2最小,E^2=∑[p(Xi)-Yi]^2。從幾何意義上講,就是尋求與給定點 {(Xi,Yi)}(i=0,1,…,m)的距離平方和為最小的曲線y=p(x)。函數p(x)稱為擬合函數或最小二乘解,求擬合函數p(x)的方法稱為曲線擬合的最小二乘法。
用MATLAB命令
可解得。
最小二乘法的Matlab實現
① 一次函數線性擬合使用polyfit(x,y,1)
②多項式函數線性擬合使用 polyfit(x,y,n),n為次數
擬合曲線
x=[0.5,1.0,1.5,2.0,2.5,3.0],
y=[1.75,2.45,3.81,4.80,7.00,8.60]。
解:MATLAB程序如下:
x=[0.5,1.0,1.5,2.0,2.5,3.0];
y=[1.75,2.45,3.81,4.80,7.00,8.60];
p=polyfit(x,y,2)
x1=0.5:0.5:3.0;
y1=polyval(p,x1);
plot(x,y,'*r',x1,y1,'-b')
計算結果為:
p =0.5614 0.8287 1.1560
即所得多項式為y=0.5614x^2+0.8287x+1.15560
lsqcurvefit(fun,x0,x,y)
a=nlinfit(x,y,fun,b0)
最小二乘法在交通運輸學中的運用
交通發生預測的目的是建立分區產生的交通量與分區土地利用、社會經濟特征等變量之間的定量關系,推算規划年各分區所產生的交通量。因為一次出行有兩個端點,所以我們要分別分析一個區生成的交通和吸引的交通。交通發生預測通常有兩種方法:回歸分析法和聚類分析法。
回歸分析法是根據對因變量與一個或多個自變量的統計分析,建立因變量和自變量的關系,最簡單的情況就是一元回歸分析,一般式為:Y=α+βX式中Y是因變量,X是自變量,α和β是回歸系數。若用上述公式預測小區的交通生成,則以下標 i 標記所有變量;如果用它研究分區交通吸引,則以下標 j 標記所有變量。而運用公式的過程中需要利用最小二乘法來求解,上述公式中的回歸系數根據最小二乘法可得:
其中,式中的X拔是規划年的自變量值,Y拔是規划年分區交通生成(或吸引)預測值。
matlab最小二乘法解超定方程,超定方程和最小二乘法相关推荐
- matlab中欠定方程组超定方程组_MATLAB解代数方程组一些函数用法1
1.solve函数用法 solve('函数方程组')---解方程 ezplot('函数方程组',[x1 x2 y1 y2])---画函数的方程 root(f,x,k)--f表达式的k阶开根,x是变量. ...
- 适定、超定和欠定方程的概念
矩阵的每一行代表一个方程,m行代表m个线性联立方程. n列代表n个变量.如果m是独立方程数,根据m<n.m=n.m>n确定方程是 '欠定'.'适定' 还是 '超定'. 超定方程组:方程个数 ...
- 超定和欠定方程的概念
矩阵的每一行代表一个方程,m行代表m个线性联立方程. n列代表n个变量.如果m是独立方程数,根据m<n.m=n.m>n确定方程是 '欠定'.'适定' 还是 '超定'. 超定方程组 :方程个 ...
- matlab 怎么解欠定方程 有Warning:Rank deficient,rank=2 tol=4.6151e-015 (转百度知道)
Matlab求解线性方程组 AX=B或XA=B 在MATLAB中,求解线性方程组时,主要采用前面章节介绍的除法运算符"/"和"\".如: X=A\B表示求矩阵方 ...
- 适定、超定和欠定方程及压缩传感技术
原文"适定.超定和欠定方程",链接http://blog.sina.com.cn/s/blog_4b700c4c0102e5v3.html. 不定方程 http://wenku.b ...
- CentOS各版本更换国内源,一条指令搞定,超简单!
CentOS各版本更换国内源,一条指令搞定,超简单! 前言 CentOS 有个很方便的软件安装工具yum,但是默认安装完CentOS,系统里使用的是国外的CentOS更新源,这就造成了我们使用默认更新 ...
- 数学物理方程 第一章 数学物理方程及其定解问题
微分方程包括:常微分方程ode与偏微分方程pde 偏微分方程阶数:方程中存在的最高阶数 线性偏微分方程:方程中未知函数u及其导数都是线性的 齐次偏微分方程:齐次+线性偏微分方程,齐次是指f(x,t)= ...
- 【数理方程】定解问题
数理方程 数学物理方程是研究物理.力学.工程技术及其他自然科学时,经一些简化得到的一些偏微分方程,反映客观世界物理量之间关系.这些偏微分方程研究物理量在空间的分布规律和在时间的变化规律. 课程内容:3 ...
- 数理方程突击复习_2、典型方程和定解条件的推导_数理方程总复习总结2
定解条件 背景:在建立方程的过程中,仅考虑了系统内部各部分间的相互作用,以及外界对系统内部的作用.而一个确定的物理过程还要受到历史情况的影响和周围环境通过边界对运动的制约. 泛定方程:反映系统内部作用 ...
- 佩尔方程(超详细推导+例题讲解) 每日一遍,算法再见!
这里写目录标题 佩尔方程 第一类佩尔方程 第一类佩尔方程例题讲解 第二类佩尔方程 佩尔方程 第一类佩尔方程 定义:形如x2−dy2=1x^2 - dy^2 = 1x2−dy2=1(d>1,且d不 ...
最新文章
- spyder jupyter集成
- 实践作业4:Web测试实践(小组作业)每日任务记录3
- 定制属于自己的域名邮箱
- 图论--二分图--二分图的定义及其判断定
- Discuz!NT - 在线显示列表 游客 bug 修复
- 前后端分离的项目部署到tomcat_如何在开发时部署和运行前后端分离的JavaWeb项目...
- java throws catch_java中throws与try...catch的区别点
- netstat(win)
- JavaScript 作用域不完全指北
- Assets.car 解压工具 cartool 使用报错 segmentation fault cartool 解决方案
- mysql计算连续天数,mysql连续登录天数,连续天数统计
- 济南近郊出游——线路指南
- 使用Springboot实现Nginx均衡负载功能
- chroot启动mysql_使用Chroot解决PHP的运行安全问题
- 微信小程序页面间传值方法
- iOS performSelector的原理以及用法
- clouder manager
- Wish获5亿美元融资,估值35亿美元成独角兽
- 汇川AM401系列程序 汇川AM403程序,搭配汇川总线伺服,汇川IT7070系列触摸屏
- 【转】约翰。克里斯朵夫的评论