matlab 微分方程组参数拟合,如何拟合微分方程组的参数？
用5阶龙格-库塔法，结果如下，
常微分方程算法: 五阶龙格-库塔法(Fith Order Runge-Kutta Method)
优化算法: 通用全局优化法(UGO1)
计算结束原因: 达到收敛判定标准
计算用时(时:分:秒:微秒): 00:00:02:672
均方差(RMSE): 3.01974154808009
残差平方和(SSE): 1623.1533450618
相关系数(R): 0.999906678609376
相关系数之平方(R^2): 0.999813365927634
确定系数(DC): 0.999810731430232
F统计(F-Statistic): 71454.6315936622
参数 最佳估算
-------------------- -------------
a 0.21376721720681
b 0.00121118818676014
c 0.104331027261508
d 0.000962784941586866
====== 输出结果 =====
文件：codesheet3[a2:c91]
No t 目标x 计算x 目标y 计算y
1 12 53.03 54.0067964795895 38.9 39.1292998603599
2 13 64.05 63.8562244898728 36.78 37.3053275241473
3 14 75.4 75.6481266360822 36.04 35.9378826921642
4 15 90.36 89.7401833663169 33.78 35.0535706957133
5 16 107.14 106.537759403597 35.4 34.7020475954434
6 17 127.79 126.487542892493 34.68 34.9658771930844
7 18 150.77 150.059654491026 36.61 35.9762801766716
8 19 179.65 177.708987568819 37.71 37.9386478526295
9 20 211.82 209.79983970792 41.98 41.1743973187383
10 21 249.91 246.466745829655 45.72 46.1901306207028
11 22 291.31 287.367218916765 53.1 53.7913052405999
12 23 334.95 331.260750373574 65.44 65.2631386045852
13 24 380.67 375.341580103324 83 82.6325098899276
14 25 420.28 414.334971781367 108.74 108.953032438305
15 26 445.56 439.742006243386 150.01 148.301302846137
16 27 447.63 440.572074051758 205.61 204.610747431431
17 28 414.04 407.894142770623 281.6 278.124911468988
18 29 347.04 343.155079157977 364.56 360.47178442055
19 30 265.33 262.065988250007 440.3 434.79260163454
20 31 187.57 185.3492298299 489.68 485.357708760265
21 32 128 125.487322331296 512.95 507.06812160224
22 33 85.25 84.036718080375 510.01 504.629386881938
23 34 57.17 57.0426685706395 491.06 486.11562504114
24 35 39.96 39.8386418379804 462.22 458.57849189642
25 36 29.22 28.8508556261695 430.15 426.869588399672
26 37 22.3 21.7322912477701 396.95 393.962668545254
27 38 16.52 17.0326842131983 364.87 361.562140241817
28 39 14.41 13.8725448608696 333.16 330.591074777409
29 40 11.58 11.7175345395765 304.97 301.510500835635
30 41 10.41 10.2392829214653 277.73 274.513093410793
31 42 10.17 9.23304848145355 253.16 249.637516926243
32 43 7.86 8.56952538987884 229.66 226.835542311729
33 44 9.23 8.16652783897741 209.53 206.011581217805
34 45 8.22 7.97218633086877 190.07 187.046113897649
35 46 8.76 7.95486847693486 173.58 169.80963139363
36 47 7.9 8.09709495127879 156.4 154.170922730233
37 48 8.38 8.39188583273248 143.05 140.001947593014
38 49 9.53 8.84063215899032 130.75 127.180624155246
39 50 9.33 9.45196502154673 117.49 115.592334075866
40 51 9.72 10.2413142421367 108.16 105.130636591664
41 52 10.55 11.2309793963069 98.08 95.6974985662724
42 53 13.05 12.4506159021813 88.91 87.2032353252076
43 54 13.58 13.9380894536466 82.28 79.5662885328772
44 55 16.31 15.7406852710021 75.42 72.7129252539932
45 56 17.75 17.9166811645162 69.58 66.5769168397939
46 57 20.11 20.5373087630496 62.58 61.0992417127078
47 58 23.98 23.6891368350776 59.22 56.2278493571397
48 59 28.51 27.476914096539 54.91 51.9175224061511
49 60 31.61 32.0269041460946 49.79 48.1298794902722
50 61 37.13 37.4907277375937 45.94 44.8335745991707
51 62 45.06 44.0496895058149 43.41 42.0047717903424
52 63 53.4 51.919493821298 41.3 39.6280121869684
53 64 62.39 61.3551244598545 40.28 37.6976521634453
54 65 72.89 72.6554357935813 37.71 36.2201527249186
55 66 86.92 86.1666117169836 36.58 35.2176669756549
56 67 103.32 102.282975897107 36.98 34.7336519114822
57 68 121.7 121.442480352289 36.65 34.8417047608015
58 69 144.86 144.112205356973 37.87 35.6596370588988
59 70 171.92 170.755762014503 39.63 37.372199923409
60 71 202.51 201.76858101464 42.97 40.2682648878233
61 72 237.69 237.357147626293 46.95 44.8022030540824
62 73 276.77 277.322542710388 54.93 51.6950681821252
63 74 319.76 320.687596568871 64.61 62.0974702549757
64 75 362.05 365.093021419772 81.28 77.8329962098211
65 76 400.11 405.936661198158 105.5 101.691948442962
66 77 427.79 435.508358102566 143.03 137.549380751854
67 78 434.56 443.177866540092 192.45 189.589893942302
68 79 410.31 418.850227293559 260.84 259.390825847644
69 80 354.18 360.780492083863 339.39 340.946763289048
70 81 278.49 281.628062588185 413.79 418.850363981219
71 82 203.72 202.293720431674 466.94 475.979768490233
72 83 141.06 137.948663363885 494.72 504.378798372148
73 84 95.08 92.382972076218 499.37 506.966055663142
74 85 66.76 62.4023459254144 484.58 491.553551817501
75 86 45.41 43.2479984763749 460.63 465.636918453729
76 87 33.13 31.0385244744842 429.79 434.589191815273
77 88 25.89 23.1603176191095 398.77 401.774403097485
78 89 20.51 17.9830163706569 366.49 369.147429241701
79 90 17.11 14.5159107165752 336.56 337.782108477268
80 91 12.69 12.1580602998474 306.39 308.227765428028
81 92 11.76 10.5413408821382 279.53 280.728094932099
82 93 11.22 9.43701541152435 254.95 255.350878249031
83 94 10.29 8.70100653171298 233.5 232.064138610704
84 95 8.82 8.24179648479062 212.74 210.780943218098
85 96 9.51 8.00142730469918 193.61 191.385915418418
86 97 8.69 7.9441310333005 175.01 173.751002179209
87 98 9.53 8.04947205824711 160.59 157.744855406208
88 99 8.68 8.30821729990978 146.12 143.238368635033
89 100 10.82 8.71990434232477 131.85 130.107871896474
matlab 微分方程组参数拟合,如何拟合微分方程组的参数？相关推荐
- MATLAB人工蜂群算法求解数据拟合和多参数优化问题代码实例
MATLAB人工蜂群算法求解数据拟合和多参数优化问题代码实例 MATLAB人工蜂群算法求解数据拟合和多参数优化问题代码实例 1.基本概念 人工蜂群算法是模仿蜜蜂行为提出的一种优化方法,是集群智能思想的 ...
- MATLAB中lsqnonlin多元,Matlab中lsqnonlin对常微分方程组进行参数拟合以后 怎样用nlparci查看参数的置信区间...
我用fminsearch 进行了常微分方程组参数优化 现想知道参数置信区间 所以改用lsqnonlin进行单参数拟合 初值是我已经得到的优化结果 但是拟合显示local minimum 而且ci = ...
- 缺少部分参数的微分方程拟合之一
问题来源:如何拟合微分方程组的参数? – MATLAB中文论坛 (ilovematlab.cn) 微分方程组如下: dx/dt=a*x-b*x*y dy/dt=-c*y+d*x*y 数据如下: t ...
- 美赛整理之带参数的常微分方程拟合问题研究
带参数的常微分方程拟合问题研究 一.问题的背景: 二.提出一个较为简单,但是很有代表性的一个问题: 三.求解的基本原理: 四.求解的基本算法: 1.利用matlabmatlabmatlab遗传算法求解 ...
- Gps高程拟合matlab代码,几种GPS高程拟合方法分析与比较.doc
几种GPS高程拟合方法分析与比较 几种GPS高程拟合方法分析与比较 摘 要:文章论述了几种常用的GPS高程拟合的方法,并在MATLAB中编制了相应的程序,建立了相应的GPS高程拟合模型,并通过实例数据 ...
- matlab三次多样式对函数拟合,Matlab regress函数拟合多个变量分析
声明 本文系本人原创,转载请注明出处. 简介 拟合曲线,在matlab中有polyfit函数,有cftool工具,对于多项式,指数,对数都有很好的拟合,但是对于多个参数的拟合,比如x1,x2--用什么 ...
- matlab 指数拟合原理,matlab指数增长和阻滞增长拟合代码.doc
matlab指数增长和阻滞增长拟合代码 代码: t=1:13; x=[3.04,6.63,11.13,28.43,49.22,87.85,134.11,200.00,208.69,303.03,410 ...
- 阻滞增长函数matlab拟合,matlab指数增长和阻滞增长拟合代码讲课稿
<matlab指数增长和阻滞增长拟合代码讲课稿>由会员分享,可在线阅读,更多相关<matlab指数增长和阻滞增长拟合代码讲课稿(7页珍藏版)>请在人人文库网上搜索. 1.资讯类 ...
- matlab三角多项式拟合,三角多项式拟合方法及地震数据处理
撰写目的和基本思路 撰写目的:基于地震数据光滑性较差的特征,以往拘泥于寻找地震数据数字特征等常规的统计分析方法局限性太大.为了反映地震数据统计规律的本质特征,提出三角多项式拟合方法. 基本思路:将所得 ...
- Matlab 隐函数方程求解最小二乘法拟合一阶线性拟合二阶拟合传感器实验
九层妖塔 起于垒土 Matlab 最小二乘法拟合一阶线性拟合&传感器实验 一.代码 二.数据处理结果 三.Notes 一.代码 %电容传感器位移实验数据 最小二乘法一阶线性拟合 x = ...
最新文章
- 原核生物基因组三代数据（pacbio/nanopore）组装
- 页面加载完毕相关信息淡入效果
- 嵌入式Linux利用ppp实现4G模块联网
- oracle rman 跨版本恢复 11.2.0.3- 11.2.0.4
- 3YAdmin-专注通用权限控制与表单的后台管理系统模板
- Learning Cocos2d-x for WP8（9）——Sprite到哪，我做主
- pandas对象保存到mysql出错提示“BLOB/TEXT column used in key specification without a key length”解决办法
- 华为算法工程师-2020届实习招聘题
- python字符串转换为json_在python2.7中将原始字符串转换为JSON对象
- 基于顺序存储结构的图书信息表的图书去重(C++)
- 干货设计素材|环保平面画册模板
- 用计算机显示器主屏区域造句,显示器造句
- AB32VG1开发板学习（2）GPIO，多线程点灯
- onos中引入外部依赖
- 聊聊C++标准库，准标准库中关于时间的概念和用法
- [生信]甲基化测序的三种数据
- Learning Lightroom CC 学习Lightroom CC Lynda课程中文字幕
- 计算机考研复试之软件工程三十问
- Office VBA开发经典-基础入门卷 配套资源下载
- 21Maven - 从私服下载jar包