样条函数插值拟合

2014–02–11 09:26:49

在拟合势能函数的时候, 除解析式外, 也可以利用样条函数进行拟合. 样条拟合与其插值正好相反: 已知函数在节点上的值求任意位置的值, 做插值; 已知函数的某些组合值求函数节点上的值, 属于拟合. 由于样条函数可以化为节点函数值的线性表达式, 这样就可以将待求参数线性化, 得到最优情况下函数的形状, 为寻找合适的解析式提供依据, 当然也可以直接利用得到的离散数据拟合解析式.

样条函数可以是零阶, 一阶, 二阶, 三阶或更高阶. 实际使用中, 三阶使用最为普遍. 由于三次样条的构造需要求解一个三对角线性方程组, 其显式解很难得到, 所以线性化结果很繁琐.零阶

在每一区间上样条函数为常量, 函数整体呈台阶状. 对等距情况, 计算时最好使用就近原则, 取最近点的值作为拟合点, 可用i=nint(x/dx)实现.

一阶

在每一区间上样条函数为线性函数, 函数整体呈折线状$.$

fi(x)=yi+yi+1−yiΔx(x−xi)

此式自动满足函数值连续条件, 即零阶连续.

二阶

在每一区间上, 样条函数为二次函数, 整体一阶连续, 即有连续的导数. 但仅有节点的函数值不能唯一确定整个函数, 还须提供某一节点上的导数值, 一般可令端点的导数值为零. 二次样条函数在偶数点的曲率不连续. 由二阶开始, 插值函数不再具有局域性, 改变某一节点, 函数整体都会改变. 使得线性系数分离很困难.

fi(x)ki+1=yi+ki(x−xi)+ki+1−ki2Δx(x−xi)2=−ki+2yi+1−yiΔx,ki=2yi+1−yiΔx−ki+1

可化简得

fi(x)α=yi+ki(x−xi)+(yi+1−yi−kiΔx)(x−xiΔx)2=α2yi+1+(1−α2)yi+(1−α)ωki=ω/Δx,ω=x−xi

对势能函数, 一般满足远距离处导数为零, 故可使用自然条件 kn=0 , 由此, 可推知所有系数 ki .

令 ki=2ΔxTi,Δi=yi+1−yi, 则 Ti 满足递推式

Ti=Δi−Ti+1

可求得

Ti=∑j=in−1(−1)j−iΔj

样条函数可写为

fi(x)=α2yi+1+(1−α2)yi+2α(1−α)Ti,α=(x−xi)/Δx

对不等距划分, 令 Δi=yi+1−yixi+1−xi, ki 满足如下递推式

ki=2Δi−ki+1

求得

ki=2∑j=in−1(−1)j−iΔj

三阶

对等距划分的均匀样条, 设节点为 1,2,....n, 若 x∈[xi,xi+1],a=x−xi,b=xi+1−x,a+b=h=Δx, 则

6hfi(x)=6(ayi+1+byi)+a(a2−h2)Mi+1+b(b2−h2)Mi

Mi 为节点的二阶导数, 对应于力学上的弯矩, 满足下面的方程

Mi+4Mi+1+Mi+2=di+1=6h2(yi+2−2yi+1+yi),i=1,2...n−2

要求的 Mi 个数为 n, 而对应的方程数目为 n−2, 故还需两个边界条件才能唯一确定, 边界条件可取为两端点的导数值或是二阶导数值. 常用的自然边界条件指 M1=Mn=0. 加上边界条件后便可求得 M2,M3,...Mn−1

Mi 满足的方程为

0M2M3⋮Mn−3Mn−2+++⋮++4M24M34M4⋮4Mn−24Mn−1+++⋮++M3M4M5⋮Mn−10===⋮==d2d3d4dn−2dn−1

写为矩阵形式

⎡⎣⎢⎢⎢⎢⎢41⋮……14⋮1001⋮41……⋮14⎤⎦⎥⎥⎥⎥⎥⎡⎣⎢⎢⎢⎢⎢⎢M2M3⋮Mn−2Mn−1⎤⎦⎥⎥⎥⎥⎥⎥=⎡⎣⎢⎢⎢⎢⎢⎢d2d3⋮dn−2dn−1⎤⎦⎥⎥⎥⎥⎥⎥

可见, 此方程为三对角方程组, 对角占优, 存在唯一解, 可利用所谓的追赶法求解. 中文常称的追赶法, 是Thomas方法的形象翻译. 大致求解过程分为两步:追: 利用消元法将原方程化为二对角方程, 向前递推, 使系数矩阵主对角线变为1. 由第一个方程, 得到 M2 和 M3 的关系, 将其带入第二个方程, 消去主对角线下方系数. 以此进行, 最终追到 Mn−1, 得到其解. 变换后, 其方程为

⎡⎣⎢⎢⎢⎢⎢⎢10⋮……A21⋮000A3⋮10……⋮An−21⎤⎦⎥⎥⎥⎥⎥⎥⎡⎣⎢⎢⎢⎢⎢⎢M2M3⋮Mn−2Mn−1⎤⎦⎥⎥⎥⎥⎥⎥=⎡⎣⎢⎢⎢⎢⎢⎢D2D3⋮Dn−2Dn−1⎤⎦⎥⎥⎥⎥⎥⎥

赶: Mn−1 已经追得, 然后由此倒推, 得到其他 Mi 值.

对上面的方程, 由于系数是固定的, Thomas方法的递推式为

A2D2Mn−1=14,=A2d2,=Dn−1,AiDiMi=14−Ai−1=Ai(di−Di−1)=Di−AiMi+1

对 Ai, 可求得其通式

Ai=2−3√ti+1ti−1,t=(2+3√)2

对 Di, 向后递推至 D2, 一般项可写为

Dj=∑k=2j(−1)j−kPjkdk

对 Mi, 向前递推至 Mn−1, 一般项可写为

Mi=∑j=in−1(−1)j−iPj−1iDj

综合上面两个结果, 得到

MiPnm=∑j=in−1∑k=2j(−1)2j−i−kPj−1iPjkdk=∑j=in−1∑k=2j(−1)i+kPj−1iPjkdk,i=2,3,...n−1=∏l=mnAl=AmAm+1…An−1An,n>m

根据插值公式

dk6hfi(x)=6h2(yk+1−2yk+yk−1)=6(αyi+1+βyi)+α(α2−h2)Mi+1+β(β2−h2)Mi

以划分间距 h 为单位, 约化上述公式

fi(x)α=αyi+1+βyi+α(α2−1)μi+1+β(β2−1)μi=ah,β=bh=1−α,μi=Mi6/h2

由此可见, 虽然三次样条函数仍可写为节点值的线性形式, 但其系数十分复杂.

上面公式看起来清楚, 但是实际计算时需要计算 Mi 和 Mi+1, 两个三重循环, 整体计算量为 O(N3). 利用 Ai 的近似关系和 Mi 的递推关系可以将公式的计算量减少一些.

fi(x)=αyi+1+βyi+α(α2−1)μi+1+β(β2−1)μi=αyi+1+βyi+β(β2−1)Di+[α(α2−1)−β(β2−1)Ai]μi+1

对不等距划分, 上面的递推公式太过复杂, 很难写出一般项了. 样条函数可写为

fi(x)hi=ayi+1+byihi+a(a2−h2)Mi+1+b(b2−h2)Mi6hi=xi+1−xi,a=x−xi,b=hi−a

Mi 满足方程

hiMi+2(hi+hi+1)Mi+1+hi+1Mi+2=6(yi+2−yi+1hi+1−yi+1−yihi),i=1,2,…,n−2

代码及测试测试结果

awk实现的代码如下awk ' BEGIN{ Ndat=0 }

NF==3 { Ndat++; X[Ndat]=$2; Y[Ndat]=$3 }

END {

for(i=1; i

for(i=2; i

A[1]=0; A[Ndat]=0

D[1]=0; D[Ndat]=0

for(i=2; i<=Ndat-1; i++) {

ai=dX[i-1]

bi=2*(dX[i-1]+dX[i])

ci=dX[i]

A[i]=ci/(bi-ai*A[i-1])

D[i]=(d[i]-ai*D[i-1])*A[i]/ci

}

M[Ndat]=0

for(i=Ndat-1; i>1; i--) M[i]=D[i]-A[i]*M[i+1]

# for(i=1; i<=Ndat; i++) print i, dX[i], d[i], A[i], D[i], M[i]

h=X[2]-X[1]

for(x=X[1]; x

}

function SP2(x, i, Ndat, X, Y, dX,      j,a,ki) {

if(i==0) {

for(i=1; ix) break

}

ki=0

for(j=i; j<=Ndat-1; j++) ki += 2*(-1)^(j-i)*(Y[j+1]-Y[j])/dX[j]

a=(x-X[i])/dX[i]

return a^2*Y[i+1]+(1-a^2)*Y[i]+(1-a)*ki*(x-X[i])

}

#

function SP3(x, i, Ndat, X, Y, dX, M,       a,b,h) {

if(i==0) {

for(i=1; ix) break

}

h=dX[i]

a=x-X[i]; b=h-a

return (a*Y[i+1]+b*Y[i])/h + ( a*(a^2-h^2)*M[i+1]+b*(b^2-h^2)*M[i] )/(6*h)

}

#

function Psp3(Ndat,     i,j,k,a) {

a=(2+sqrt(3))^2

for(i=2; i

for(j=i; j

P[i,j]=1

for(k=i; k<=j; k++) P[i,j] *= 2-sqrt(3)*(a^k+1)/(a^k-1)

}

}

}

#

function uniSP3(x, i, Ndat, X, Y,       j,k,a,b,h) {

if(i==0) {

for(i=1; ix) break

}

h=X[2]-X[1]

a=(x-X[i])/h; b=1-a

for(j=1; j<=Ndat; j++) Coef[j]=0

Coef[i]   += b

Coef[i+1] += a

Rsec=b*(b^2-1)

for(k=2; k<=i; k++) {

Rtmp=Rsec * (-1)^(i-k) * P[k,i]

Coef[k+1] +=    Rtmp

Coef[k]   += -2*Rtmp

Coef[k-1] +=    Rtmp

}

Rsec=a*(a^2-1)-b*(b^2-1)*P[i,i]

for(j=i+1; j<=Ndat-1; j++) {

Rij=Rsec * (-1)^(i+1)

if(j!=i+1) Rij *= P[i+1,j-1]

for(k=2; k<=j; k++) {

Rtmp=Rij * (-1)^k * P[k,j]

Coef[k+1] +=    Rtmp

Coef[k]   += -2*Rtmp

Coef[k-1] +=    Rtmp

}

}

F=0

for(j=1; j<=Ndat; j++) F += Coef[j]*Y[j]

return F #( a*Y[i+1]+b*Y[i] + a*(a^2-1)*Mi(i+1, Ndat) + b*(b^2-1)*Mi(i, Ndat) )

}

#

function Mi(i, Ndat,        j,k,Rtmp,ret) {

ret=0

for(j=i; j<=Ndat-1; j++) {

Rtmp=(-1)^i

if(j!=i) Rtmp *= P[i,j-1]

for(k=2; k<=j; k++)

ret += Rtmp*(-1)^k*P[k,j] *d[k]

}

return ret

}

' ABS >ABS.sp

# ' CUB  > CUB.sp

#' LJ  >LJ.sp

利用Matlab的csape函数可以进行三次样条函数的插值, 示例代码如下format long

x=1:0.02:15;

y=-1E3*(-12./x.^13+6./x.^7);

pp=csape(x,y,'second',[0,0]);

pp=csape(x,y);

xsp=1:0.01:1.5;

ysp=ppval(pp,xsp);

yst=-1E3*(-12./xsp.^13+6./xsp.^7);

plot(x,y,'o',xsp,ysp,'-',xsp,yst,'-')

axis([1 1.5 -600 600])

FID=fopen('LJ.mat', 'w');

Ndat=length(xsp);

for i=1:Ndat

fprintf(FID, '%f %fn', xsp(i), ysp(i));

end

几个测试函数的结果

样条函数的积分

对已经拟合的样条函数进行数值积分时可利用可利用Simpson方法. Simpson方法具有三阶精度, 对不超过三次的多项式精确成立, 很适合于二次和三次样条函数.

转载本文请联系原作者获取授权，同时请注明本文来自李继存科学网博客。

链接地址：http://blog.sciencenet.cn/blog-548663-775279.html

上一篇：GAMESS编译使用简记

下一篇：Bash脚本中使用颜色