数学建模系列--插值算法
一.插值算法的用途
- 在数模比赛中，需要用已知数据进行分析时，可能会出现已知数据缺失/不足的情况，此时可利用该方法产生一些靠谱的数据点。
- 数据量太小，需要增加数据量来提升算法的执行效果。比如机器学习、深度学习中的样本如果太少，可以用插值法得到更多的样本值。
- 需要对某个区域的值进行预测。通过插值算法将插值点的值计算出来。
二.什么是插值算法？
插值算法的重点在于找出插值函数----包含了所有已知数据点的函数
三.插法分类
- 内插法-只对已知数据点集内部的点进行的插值运算称为内插，可比较准确的估测插值点上的函数值。
- 外插法-当插值点落在已知数据集的外部时的插值称为外插，要估计外插函数值很难。
四.建模比赛常用的插值方法---分段插值
拉格朗日插值、牛顿插值、hermite插值 都会存在龙格现象的问题，所以采用分段插值来避免这种现象。
龙格现象 ：在计算方法中，有利用多项式对某一函数的近似逼近，计算相应的函数值。. 一般情况下，多项式的次数越多，需要的数据就越多，而预测也就越准确。. 插值次数越高，插值结果越偏离原函数的现象称为龙格现象。.
看上面的不同次数下图像的比较图可以方便理解龙格现象，如图：n=10次时，曲线两端的波动极大，并且n越大，这种现象越明显。我们应该尽量避免该现象的发生
分段插值分为：分段三次埃尔米特插值和三次样条插值。 一般的建模比赛都可以用这2种方法求解
1.分段三次埃尔米特插值【MATLAB对应函数：p = pchip(x,y, new_x)】
用法很简单，在MATLAB中有封装好的函数，直接调用即可，函数为：pchip(x,y,new_x)
上图中有具体说明。
2.三次样条插值【MATLAB对应函数： p = spline (x,y, new_x)】
五.总结
- 插值算法实现起来较简单，只需要调用对应的函数即可
- 不同插值算法都可以求出包含了所有已知数据点的插值函数，只是在满足这个基本要求的基础上，对插值函数有不同的约束条件。
数学建模系列--插值算法相关推荐
- Python数学建模系列（五）：微分方程
文章目录 前言 往期文章 1.微分方程分类 2.微分方程解析解 3.微分方程数值解 3.1 场线图与数值解 3.2 洛伦兹曲线与数值解 4.传染病模型 模型一:SI-Model 模型二:SIS mod ...
- Python数学建模系列（六）：蒙特卡洛算法
文章目录 前言 往期文章 1.蒙特卡洛算法 样例1 样例2 样例3 2.三门问题 3.M*M豆问题 结语 前言 Hello!小伙伴! 非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎您指出- ...
- Python数学建模系列（八）：图论
文章目录 前言 往期文章 1 图论模型 - Dijkstra 样例1 2 图论模型-Floyd 样例2 3 机场航线设计 0.Airlines.csv数据 1.数据导入.观察变量 2.数据清洗 3.时 ...
- Python数学建模系列（四）：数值逼近
文章目录 前言 往期文章 1. 一维插值 1.1 线性插值与样条插值(B-spline) 1.2 高阶样条插值 2. 二维插值 2.1 图像模糊处理--样条插值 2.2 二维插值的三维图 3. 最小 ...
- 数学建模系列：历年优秀论文+入门+进阶+国赛+美赛+其他
数模系列:历年优秀论文+入门+进阶+国赛+美赛+其他(待更新中) 数模成绩为国二\省一\o奖\H奖,在博客做一个总结.先放国赛美赛的历年优秀论文,资料来源微信公众号数学模型.(目前完成部分:入门+进阶 ...
- 数学建模系列---熵权法
目录 一.简介 二.说明 1.正向指标: 2.信息量 3.信息熵 三.具体计算步骤 1.标准化矩阵 1.1该步骤的意义 1.2标准化的2种方法 2.计算各元素概率 3.计算各指标的权重 3.1计算每个 ...
- 数学建模3 插值算法
数模比赛中,常常需要根据已知的函数点进行数据.模型的处理和分析,而有时候现有的数据是极少的,不足以支撑分析的进行,这时就需要使用一些数学的方法,"模拟产生"一些新的但又比较靠谱的值 ...
- 数学建模系列-预测模型（一）灰色预测模型
目录 1 灰色预测模型 1.1 灰色系统的定义与特点 1.2 灰色预测模型优缺点 1.3 灰色生成数列 1.4 灰色模型GM(1,1)实操步骤 1 数据检验 2 构建灰色模型 3 检验预测值 4 灰色 ...
- 数学建模系列--预测模型（二）---灰色预测模型
正如前文所述,目前我们学习预测模型的第二类:灰色预测模型. 在控制领域,有一种方法将系统可以笼统的分为三类: 黑箱.白箱.灰箱. 其中黑箱是完全不可观的,因此只能通过大量的输入.输出数据进行建模,找到 ...
- 数学建模-3.插值算法
插值算法 适用情况:需要根据已知的函数点进行进行数据.模型的处理和分析,但数据量少,且有缺失,这时需要"模拟产生"一些新的又比较靠谱的值来满足需求 插值法定义: 对于其中的P(x) ...
最新文章
- stream流对象的理解及使用
- C语言中结构体参数变量的传递
- 以为Swing没人用了，原来群友们都是如此优秀！
- 算法太多挑花眼？教你如何选择正确的机器学习算法
- Windows 10 安装 scrapy 步骤
- rabbitmqBat常用指令
- 帆软决策报表JS实现点击超链切换TAB页
- Swift:一天学会，三天写项目
- 基于php的企业公文流转审批系统
- three.js 05-04 之 BoxGeometry 几何体
- 打坐是开发潜能的快速方法
- linux桌面lxde 安装_Ubuntu怎么安装轻量级的LXDE桌面?
- python的第三方Pandas的简介（1）
- MySQL inet aton函数,MySQL IP转数字函数 INET_ATON() INET_NTOA()
- MySQL高性能和高可用方案
- OpenStack架构
- 跨境电商：TikTok短视频营销攻略
- 上海房价和东京房价比较
- Super-FAN论文阅读
- Anylogic学习中遇到的问题1.不能对类型 PedSource 中的非静态方法 inject（int）进行静态引用