数据插值

插值与拟合的区别：

实现方法：插值要求曲线穿过样本点，而拟合不需要穿过样本点，只要求总体误差最小。

结果形式：插值是分段逼近样本点，没有同一的逼近函数；函数拟合则用一个函数去逼近，有完整的表达式。

侧重点：插值可以用于估计区间内某些点对应的函数值；拟合不仅可以估计区间内的点，也可以预测区间外的点。

应用场合：插值多用于精确数据集；拟合多用于统计数据集。

数据插值的作用：在给定的若干数据中，模拟出一条曲线贯穿这些已知数据，我们便可以根据曲线得到未知点的数据信息。

interp1函数

Y1=interp1(X,Y,X1,method)：一维插值函数。根据X、Y的值，计算函数在X1处的值。其中，X、Y是两个等长的已知向量，分别表示采样点和采样值。X1是一个向量或标量，表示要插值的点。

method为字符串，可选值有：

linear，默认，线性插值，折线状。
nearest，最近插值，阶梯状。
pchip，分段三次多项式插值，满足在若干节点处相邻段插值函数的一阶导数相等，比较光滑。
spline，三次样条插值，分段构造三次多项式，满足在各个节点处具有连续的一阶和二阶导数，非常光滑。

为什么’pchip’和’spline’这两种插值方法都用3次多项式而不用更高次的？

多项式次数并非越高越好。次数越高，越容易产生震荡而偏离原函数，这种现象称为龙格（Runge ）现象。

%% 全部的插值方式
xdata=0:pi/6:2*pi;
ydata=sin(xdata);
x=0:pi/20:2*pi;
subplot(4,2,1)
y=interp1(xdata,ydata,x,'nearest');
plot(xdata,ydata,'p',x,y,'k-')
title('nearest')
subplot(4,2,2)
y=interp1(xdata,ydata,x,'next');
plot(xdata,ydata,'p',x,y,'k-')
title('next')
subplot(4,2,3)
y=interp1(xdata,ydata,x,'prevoius');
plot(xdata,ydata,'p',x,y,'k-')
title('prevoius')
subplot(4,2,4)
y=interp1(xdata,ydata,x,'linear');
plot(xdata,ydata,'p',x,y,'k-')
title('linear')
subplot(4,2,5)
y=interp1(xdata,ydata,x,'spline');
plot(xdata,ydata,'p',x,y,'k-')
title('spline')
subplot(4,2,6)
y=interp1(xdata,ydata,x,'pchip');
plot(xdata,ydata,'p',x,y,'k-')
title('pchip')
subplot(4,2,7)
y=interp1(xdata,ydata,x,'cubic');
plot(xdata,ydata,'p',x,y,'k-')
title('cubic')

补充：牛顿插值代码：（不知道应用场景）

function s=newtoninterp(xdata,ydata,x) % xdata和ydata为已知点数据，x为要求点数据
%Newton interpolation at notes (xdata,ydata)
n=length(xdata);
s=ydata(1);xx=1;
for k=2:nxx=xx.*(x-xdata(k-1));for l=k:nydata(l)=(ydata(l)-ydata(k-1))/(xdata(l)-xdata(k-1));ends=s+xx*ydata(k);
end
end

其他用法以及类似其他函数参考

interp2函数

interp2(x, y, z, x1, y1, method)：二维插值。x、y可为网格数据也可为向量，z为网格数据对应的z坐标，x1、y1为要求数据点信息。

应用

机动车刹车距离问题

在车辆行驶中，从驾驶员看到障碍物开始，到作出判断而采取制动措施停车所需的最短距离叫停车视距。停车视距由三部分组成：一是驾驶员反应时间内行驶的距离（即反应距离)；二是开始制动到车辆完全停止所行驶的距离（即制动距离）;三是车辆停止时与障碍物应该保持的安全距离。其中，制动距离主要与行驶速度和路面类型有关。根据测试，某型车辆在潮湿天气于沥青路面行驶时，其行车速度（单位: km/h）与制动距离（单位：m）的关系如下表所示。

速度	20	30	40	50	60	70	80	90	100	110	120	130	140	150
制动距离	3.15	7.08	12.59	19.68	28.34	38.57	50.4	63.75	78.71	95.22	113.29	132.93	154.12	176.87

假设驾驶员的反应时间为10s，安全距离为10m。请问：

①根据某驾驶员的实际视力和视觉习惯，其驾驶时的有效视距为120m,则其在该路面行车时，时速最高不能超过多少（结果取整）?

②若以表中数据为参考，设计一条最高时速为125km/h的高速公路，则设计人员应该保证驾驶者在公路上任一点的可视距离为多少米？

设速度为vvv，停车视距为ddd，反应距离为d1d_1d1，制动距离为d2d_2d2，安全距离为d3d_3d3，反应时间为asa_sas，则
d=d1+d2+d3d=d_1+d_2+d_3 d=d1+d2+d3
其中，d1=asvd_1=a_svd1=asv，d2d_2d2为vvv的函数，d3d_3d3已知。

第一问：根据某驾驶员的实际视力和视觉习惯，其驾驶时的有效视距（即最大距离）120m，则其在该路面行车时，时速最高不能超过多少（结果取整）?

已知反应时间为10s，安全距离为10m，可采用解方程方法:
10v+d2+10=12010v+d_2+10=120 10v+d2+10=120
存在的问题是，d2d_2d2是vvv的函数，但是函数关系未知，方程不可解。

下面考虑数据插值方法，以表格中的数据为样本，进行数据插值，计算出120m的停车视距所对应的速度指标。

编程思路：

第一步：建立速度和停车视距向量。

第二步：以1为单位，对采样区间内所有速度进行插值，计算出相应的停车视距。

第三步：求出停车视距120所对应的速度。

第四步：绘图展示。

如何根据停车视距120找到对应的速度？

第一步：令代表停车视距的向量did_idi减去120，再取绝对值，得到一个新的向量x。
第二步：将x按升序排列，并记录最小元素的序号，该序号即为停车视距120所对应的速度数据在向量viv_ivi中的序号。
第三步：根据序号取得速度数据。

v=20:10:150;
vs=v*(1000/3600); % 单位换算 km/s m/s
d1=10*vs;
d2=[3.15,7.08,12.59,19.68,28.34,38.57,50.4,63.75,78.71,95.22,113.29,132.93,154.12,176.87];
d3=10;
d=d1+d2+d3;
vi=20:150;
di=interp1(v,d,vi,'spline'); % 插值
%% 下面是选出等于120对应的横坐标的方法，方法不唯一！
%% 选出和120差值最小的数对应的横坐标
x=abs(di-120);
[y i]=sort(x);
vi(i(1)) % 第一个就是最小的 % 36
plot(vi,di,vi(i(1)),di(i(1)),'rp') % 满足要求的点

第二问：设计一条最高时速为125km/h的高速公路，则设计人员应该保证驾驶者在公路上任一点的可视距离为多少米？

j=find(vi==125); % 找到最高时速为125对应的距离所在索引
di(j)
plot(vi,di,125,di(j),'rp')

沙盘制作问题

某地面部队分成红蓝两方在指定的陌生区域（平面区域[0，2000]×[0，2000]内，单位：m）进行作战演习。在演习过程中，红方侦查单位已经测得一些地点的高程如下表所示。

①根据表中数据,制作军事沙盘。

②在演习范围内，占领最大高地的一方将获得居高临下的优势。请问红方应第一时间抢占哪块区域。

解题思路：

第一问：用二维插值估算数据，以方便制作军事沙盘。

第二问：在插值的基础上，绘制等高线图，找到最大高地。

x=0:200:1800;
y=x;
z = [2000,2000,2001,1992,1954,1938,1972,1995,1999,1999;2000,2002,2006,1908,1533,1381,1728,1959,1998,2000;2000,2005,2043,1921, 977, 897,1310,1930,2003,2000; 1997,1978,2009,2463,2374,1445,1931,2209,2050,2003;1992,1892,1566,1971,2768,2111,2653,2610,2121,2007;1991,1875,1511,1556,2221,1986,2660,2601,2119,2007;1996,1950,1797,2057,2849,2798,2608,2303,2052,2003;1999,1999,2079,2685,3390,3384,2781,2165,2016,2000;2000,2002,2043,2271,2668,2668,2277,2049,2003,2000;2000,2000,2004,2027,2067,2067,2027,2004,2000,2000];
surf(x,y,z);
colormap(mycolor)%% 插值后
x1=0:100:1800; % 以100为间隔
y1=x1';
z1=interp2(x,y,z,x1,y1,'spline');
figure(2)
surf(x1,y1,z1);
colormap(mycolor)x1=0:50:1800; % 以50为间隔
y1=x1';
z1=interp2(x,y,z,x1,y1,'spline');
figure(3)
surf(x1,y1,z1);
colormap(mycolor)%% 绘制等高线
figure(4)
[c h] = contourf(x1, y1, z1, 10)
clabel(c, h) % 显示等高线表示的高度
colorbar % 显示高度配色表
colormap(mycolor)%% 以下仅为我喜欢的配色图而已
mycolorpoint=[[0 0 16];[8 69 99];[57 174 156];[198 243 99];[222 251 123];[239 255 190]];
mycolorposition=[1 11 33 50 57 64];
mycolormap_r=interp1(mycolorposition,mycolorpoint(:,1),1:64,'linear','extrap');
mycolormap_g=interp1(mycolorposition,mycolorpoint(:,2),1:64,'linear','extrap');
mycolormap_b=interp1(mycolorposition,mycolorpoint(:,3),1:64,'linear','extrap');
mycolor=[mycolormap_r',mycolormap_g',mycolormap_b']/255;
mycolor=round(mycolor*10^4)/10^4;%保留4位小数

contour函数和contourf函数讲解

这里只讲解基础用法：

[c,h] = contourf(X,Y,Z,t); X、Y为网格数据或向量（与mesh中的参数用法一致），Z是函数值，t为等高线之间的间距和等高线标注的范围（可理解为越大等高线越密集）；返回值不知道含义。

clabel(c, h) ：标注等高线的高度（虽然不知道返回值含义，但可以直接使用）。

colorbar：配色标注。

contour函数与contourf函数用法一致，只是contour显示的是线条，线条间没有颜色填充；而contourf线条间有颜色填充。

figure('NumberTitle', 'off', 'Name', 'contourf'); % 修改图窗名称
contourf(x1, y1, z1, 10)
title('contourf')
colormap(mycolor)
figure('NumberTitle', 'off', 'Name', 'contour');
contour(x1, y1, z1, 10)
title('contour')
colormap(mycolor)

【Matlab】数据插值相关推荐

[MATLAB]--数据插值（interp1/2多维插值）
本试验取材于中南大学<科学计算与MATLAB应用> 一.引例–零件加工问题 >> x1=0:0.1:15; >> x=[0,3,5,7,9,11,12,13,14, ...
5.7 matlab数据插值与曲线拟合的比较
1.相同点: ①都属于函数逼近方法 ②都能进行数据估算 2.不同点: ①实现方法不同: 数据插值要求逼近函数经过样本点,而曲线拟合不要求逼近函数经过样本点,只要求总体误差最小. ②结果形式不同: 数据 ...
5.3 matlab数据插值（线性插值、最近点插值、埃尔米特插值、三次样条插值）
①数据插值可以根据有限个点的取值状况,合理估算出附近其他点的取值,从而节约大量的实验和测试资源,节省大量的人力.物力和财力. ②数据插值能够根据已知数据推算未知数据,这使得人们解决问题的能力得到了拓展 ...
Matlab数据插值-内插、外插
插值就是已知一组离散的数据点集,在集合内部某两个点之间预测函数值的方法. 一.一维插值插值运算是根据数据的分布规律,找到一个函数表达式可以连接已知的各点,并用此函数表达式预测两点之间任意位置上的函数 ...
matlab数据插值(举例：空间插值、图像处理方面)
matlab代码 [x,y]=meshgrid(-3:1:3); z=peaks(x,y) [xi,yi]=meshgrid(-3:0.25:3); figure(1) surfc(x,y,z) ti ...
matlab插值与拟合例题_菜鸟进阶系列:MATLAB数学建模·数据插值与拟合
本篇算是开始数据处理了.首先明确俩概念:插值和拟合.两者最根本的共同点都是基于现有数据进行预测.推演,比如根据现有的天文观测数据预测天体位置.插值问题是数学史上的经典问题,拉格朗日.高斯.牛顿等著名数 ...
matlab插值与拟合例题_MATLAB中数据插值和数据拟合的用法
一.数据插值: 插值是在一组已知数据点的范围内添加新数据点的技术.可以使用插值来填充缺失的数据.对现有数据进行平滑处理以及进行预测等.MATLAB 中的插值技术可分为适用于网格上的数据点和散点数据点. ...
如何利用MATLAB进行数据插值？
文章目录前言 1 引例-零件加工问题 2 数据插值的计算机制 3 数据插值的实现方法 3 应用案例1-粮储仓的通风控制问题 4 应用案例2-机动车刹车距离问题 5 应用案例3-沙盘制作问题总结前 ...
基于MATLAB的三维数据插值拟合与三次样条拟合算法（附完整代码）
目录一. 三维插值例题1 二. 高维度插值拟合格式一格式二格式三格式四格式五例题2 三. 单变量三次样条插值例题3 例题4 四. 多变量三次样条插值例题6 一. 三维插值首先三维 ...

【Matlab】数据插值