matlab曲线拟合工具箱cftool

今天意外发现matlab的曲线拟合工具箱cftool，转自http://blog.csdn.net/chenyusiyuan/article/details/1942605，希望以后能用到

一、单一变量的曲线逼近

Matlab有一个功能强大的曲线拟合工具箱 cftool ，使用方便，能实现多种类型的线性、非线性曲线拟合。下面结合我使用的 Matlab R2007b 来简单介绍如何使用这个工具箱。

假设我们要拟合的函数形式是 y=A*x*x + B*x, 且A>0,B>0 。

1、在命令行输入数据：
》x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447 296.204 311.5475]；
》y=[5 10 15 20 25 30 35 40 45 50]；

2、启动曲线拟合工具箱
》cftool

3、进入曲线拟合工具箱界面“Curve Fitting tool”
（1）点击“Data”按钮，弹出“Data”窗口；
（2）利用X data和Y data的下拉菜单读入数据x,y，可修改数据集名“Data set name”，然后点击“Create data set”按钮，退出“Data”窗口，返回工具箱界面，这时会自动画出数据集的曲线图；
（3）点击“Fitting”按钮，弹出“Fitting”窗口；
（4）点击“New fit”按钮，可修改拟合项目名称“Fit name”，通过“Data set”下拉菜单选择数据集，然后通过下拉菜单“Type of fit”选择拟合曲线的类型，工具箱提供的拟合类型有：

· Custom Equations：用户自定义的函数类型
· Exponential：指数逼近，有2种类型， a*exp(b*x) 、 a*exp(b*x) + c*exp(d*x)
· Fourier：傅立叶逼近，有7种类型，基础型是 a0 + a1*cos(x*w) + b1*sin(x*w)
· Gaussian：高斯逼近，有8种类型，基础型是 a1*exp(-((x-b1)/c1)^2)
· Interpolant：插值逼近，有4种类型，linear、nearest neighbor、cubic spline、shape-preserving
· Polynomial：多形式逼近，有9种类型，linear ~、quadratic ~、cubic ~、4-9th degree ~
· Power：幂逼近，有2种类型，a*x^b 、a*x^b + c
· Rational：有理数逼近，分子、分母共有的类型是linear ~、quadratic ~、cubic ~、4-5th degree ~；此外，分子还包括constant型
· Smoothing Spline：平滑逼近（翻译的不大恰当，不好意思）
· Sum of Sin Functions：正弦曲线逼近，有8种类型，基础型是 a1*sin(b1*x + c1)
· Weibull：只有一种，a*b*x^(b-1)*exp(-a*x^b)

选择好所需的拟合曲线类型及其子类型，并进行相关设置：
——如果是非自定义的类型，根据实际需要点击“Fit options”按钮，设置拟合算法、修改待估计参数的上下限等参数；
——如果选Custom Equations，点击“New”按钮，弹出自定义函数等式窗口，有“Linear Equations线性等式”和“General Equations构造等式”两种标签。

在本例中选Custom Equations，点击“New”按钮，选择“General Equations”标签，输入函数类型y=a*x*x + b*x，设置参数a、b的上下限，然后点击OK。

（5）类型设置完成后，点击“Apply”按钮，就可以在Results框中得到拟合结果，如下例：
general model:
f(x) = a*x*x+b*x

Coefficients (with 95% confidence bounds):
a = 0.009194 (0.009019, 0.00937)
b = 1.78e-011 (fixed at bound)

Goodness of fit:
SSE: 6.146
R-square: 0.997
Adjusted R-square: 0.997
RMSE: 0.8263

同时，也会在工具箱窗口中显示拟合曲线。

这样，就完成一次曲线拟合啦，十分方便快捷。当然，如果你觉得拟合效果不好，还可以在“Fitting”窗口点击“New fit”按钮，按照步骤（4）~（5）进行一次新的拟合。

不过，需要注意的是，cftool 工具箱只能进行单个变量的曲线拟合，即待拟合的公式中，变量只能有一个。对于混合型的曲线，例如 y = a*x + b/x ，工具箱的拟合效果并不好。

二实战篇

一种非线性函数的曲线拟合方法（函数公式： k = A*(T^a)*exp(E/T) ）

原始数据如下：
  T(K)                 K
200.00            2.5069E-13
220.00            3.5043E-13
223.00            3.6741E-13
225.00            3.7904E-13
250.00            5.4617E-13
275.00            7.5744E-13
295.00            9.6192E-13
298.00            9.9551E-13
300.00            1.0183E-12
325.00            1.3346E-12
350.00            1.7119E-12
375.00            2.1564E-12
400.00            2.6739E-12
425.00            3.2706E-12
450.00            3.9527E-12
475.00            4.7261E-12
480.00            4.8922E-12
500.00            5.5968E-12
525.00            6.5710E-12
550.00            7.6544E-12
575.00            8.8529E-12
600.00            1.0172E-11
800.00            2.5705E-11
1000.00            5.1733E-11
1250.00            1.0165E-10

目标：拟合成 k = A*(T^a)*exp(E/T) 模式的公式，
其中A、a和E为未知常数，是我们需要通过曲线拟合要求出的数据。

拟合目标中的公式是幂逼近和指数逼近的混合，用Matlab的cftool 工具箱的自定义函数来逼近，效果并不理想，所以我就参考了网上的一些博客和百度知道等资源，采取如下策略：

首先将非线性的拟合公式转化为线性公式，再用求解线性方程组的矩阵方法求出未知常数的值。

具体地说，拟合公式的线性化表达式为： log(k) = log(A) + a*log(T) + E/T 。这里有三个未知常数log(A)、a 和 E，则依次取T，K各三个数据，组成 N 个线性方程组： Cx=b，
其中：x=[log(A), a, E], C=[1, log(T), 1/T], b=log(k) 。
解这些线性方程组，得到所有方程组的解组成的解矩阵 xMat，其大小为 N*3，对解矩阵的每一列求平均，即可得到所求的未知常数值。

根据以上策略，可求得未知常数A、a和E的值如下：

A = 3.8858e-020，a = 3.0595，E = -117.2915

程序源码：

function [A,a,E]= fun_NLFit(T,K)
% 函数 FUN_NLFIT() 根据输入T，K的数据集，求出拟合公式 k = A*(T^a)*exp(E/T)
% 的未知常数 A,a,E 。

logT=log(T);
logK=log(K);
daoT=T.^(-1);
lenT=length(T);
C=ones(3);
xMat=[];
% 为了提高拟合精度，从第一个数据点开始，依次分别取T、K的三个相邻的数据点
% 组成线性方程组，若 T 有 lenT 个元素，则可组成 lenT-2 个方程组
for r=1:lenT-2
    C(:,2)=logT(r:r+2);
    C(:,3)=daoT(r:r+2);
    b=logK(r:r+2);
    % C=[1 log(T) 1/T],   b=log(k)
    x=(C/b)';
    xMat=[xMat; x];
    % 每解一次方程组，则将解 x 存入解矩阵 xMat
end
% 对解矩阵的每一列求平均，即可得到所求的未知常数值
logA=mean(xMat(:,1));
A=exp(logA);
a=mean(xMat(:,2));
E=mean(xMat(:,3));
% 画出由点集T、K构成的目标曲线
h1=stem(T,K,'bo'); % ‘bo’表示每个点用一个小圆圈表示
    set(h1,'MarkerFaceColor','green'); % 小圆圈内的颜色为绿色
    set(h1,'LineStyle','none');     % 隐藏基线到点的连线
    set(get(h1,'BaseLine'),'LineStyle','none'); % 隐藏基线
    hold on;    % 保持由点集构成的目标曲线，以便和拟合曲线进行对比

% 根据拟合公式，求出若干的拟合点，画出拟合曲线
t=200:10:1300;
k=A*(t^a)*exp(E/t);
plot(t,k,'r');
% 拟合曲线用红色表示
xlabel('T'); ylabel('K'); title('Nonlinear Curve Fitting');

拟合效果图如下：

matlab曲线拟合工具箱cftool相关推荐

matlab曲线拟合工具箱cftool,Matlab曲线拟合工具箱CFtool使用
Matlab曲线拟合工具箱CFtool使用 CFtool是Matlab中的曲线拟合工具箱,能够实现很多基本的曲线拟合算法,使用非常方便,现将其使用方法简介如下: 步骤1:在命令行输入数据x.y x=[ ...
matlab曲线拟合工具箱 cftool
Matlab有一个功能强大的曲线拟合工具箱 cftool ,使用方便,能实现多种类型的线性.非线性曲线拟合.下面结合我使用的Matlab R2011b 来简单介绍如何使用这个工具箱. 假设我们要拟合的 ...
Matlab的曲线拟合工具箱CFtool使用简介
Matlab有一个功能强大的曲线拟合工具箱 cftool ,使用方便,能实现多种类型的线性.非线性曲线拟合.下面结合我使用的Matlab R2011b 来简单介绍如何使用这个工具箱. 假设我们要拟合的 ...
Matlab的曲线拟合工具箱CFtool的使用
今天帮同学做了一个非线性函数的曲线拟合,以前没做过,所以是摸着石头过河.费了一下午时间,终于把曲线拟合出来了,顺道也学习了使用Matlab进行曲线拟合的方法,把学习所得记录下来,和大家共享. 一. ...
MATLAB曲线拟合工具箱（cftool）介绍（完结）
本文通过实例对MATLAB曲线拟合工具箱进行详细讲解,帮助大家更容易理解曲线拟合工具箱(cftool). 目录 1.实例介绍 2. 进入曲线拟合工具箱界面 3. 加载数据 4. 加载数据 5. 选择拟 ...
matlab拟合工具箱cftool
matlab拟合工具箱cftool %拟合数据曲线:线性最小二乘法是解决曲线拟合的最常用的方法, %1.多项式拟合函数:p=polyfit(x,y,n);求p拟合函数在xi处的近似值pi=polyva ...
数据拟合---使用自定义函数进行非线性拟合 -在Origin。matlab拟合工具箱cftool
在Origin中使用自定义函数进行非线性拟合 http://blog.163.com/wuhen211@126/blog/static/7474635020105233269949/ matlab拟合 ...
最小二乘法与matlab拟合工具箱cftool
一)关于最小二乘法百度百科解释: 最小二乘法(又称最小平方法)是一种数学优化技术.它通过最小化误差的平方和寻找数据的最佳函数匹配.利用最小二乘法可以简便地求得未知的数据并使得这些求得的数据与实际数据 ...
调用matlab曲线拟合工具箱，自定义函数预测人口数量
拟合所求函数值不需要在已知点精确等于原始函数值,目的为了使用更简单的函数更低次的多项式表示原函数.相比插值,面对大量节点情况下选择拟合求函数曲线不失为一种更好的方法,拟合得到的曲线为一条确定的曲线. ...

matlab曲线拟合工具箱cftool

matlab曲线拟合工具箱cftool相关推荐

最新文章

热门文章