数学模型——实验建模

通过已知数据,尝试拟合的方程
对于y:采用阶梯向下代替,例:log_2y, 1/y,1/y^2
对于x:采用阶梯向上代替,例:x^2,x^3代替
或者是两者相反,x用阶梯向下,y用阶梯向上。
通过不断尝试,从而找到近似拟合方程的结构式(可以用最小二乘准则确定)


高阶多项式模型

根据因变量个数\rightarrow确定多项式最高阶
即多项式 P(x)=a_0+a_1x+a_2x^2+...+a_{n-1}x^{n-1}
将所有数据带入 P(x) 计算\rightarrow 确定 a_0-a_{n-1} 的值

多项式的拉格朗日形式

给定 x_0-x_n,y_0-y_n
P(x)=y_0L_0(x)+...+y_nL_n(x)
其中
L_{k(x)}=\frac{(x-x_0)(x-x_1)...(x-x_{k-1})(x-x_{k+1})...(x-x_n)}{(x_k-x_0)(x_k-x_1)...(x_k-x_{k-1})(x_k-x_{k+1})...(x_k-x_n)}

优点:多项式易于估计出未知模型的积分和微分
缺点:在估计邻界值有较大误差

改进方法:

光滑化:低阶多项式模型

  1. 确定插值多项式的阶(小于最高阶)
  2. 确定系数
    过程:选取一部分值代入即可

例题:拟合方程设为 P(x)=a+bx+cx^2
产生最佳拟合数据的二次式模型,将极小化偏差平方和求出二次型
S_{min}=\sum^m_{i=1}[y_i-(a+bx_i+cv_n^2)]^2
极小化必要条件:
\frac{\partial S}{\partial a}= \frac{\partial S}{\partial b} =\frac{\partial S}{\partial c}=0
由此产生以下方程:
ma+(\sum x_i)b_i+(\sum x_i^2)c=\sum y_i\\ (\sum x_i)a+(\sum x_i^2)b+(\sum x_i^3)c=\sum x_iy_i\\ (\sum x_i^2)a+(\sum x_i^3)b+(\sum x_i^4)c=\sum x_i^2y_i
代数值求解系数


三阶样条插值

在连续的数据点对之间使用不同的三阶多项式。

线性样条:

当数据紧密排列时,估计两点(已知)间的某点取值,以假设两点间为线性函数。

三阶样条:

在区间 [x_1,_2)[x_2,x_3) ,分别定义样条函数
S_1(x)=a_1+b_1x+c_1x^2+d_1x^3\\ S_2(x)=a_2+b_2x+c_2x^2+d_2x^3
一阶与二阶导数:
S_1'(x)=b_1+2c_1x+3d_1x^2;S_1''(x)=2c_1+6d_1x\\ S_2'(x)=b_2+2c_2x+3d_2x^2;S_2''(x)=2c_2+6d_2x
在函数内部, x_2 点处导数应匹配
S_1'(x)=b_1+2c_1x+3d_1x^2=b_2+2c_2x+3d_2x^2=S_2'(x_2)\\ S_1''(x)=2c_1+6d_1x=2c_2+6d_2x=S_2''(x)
在端点 x_1x_3 处,一阶导数不变 \rightarrow 常数 \rightarrow 二阶导数为0
S_2''(x_1)=2c_1+6d_1x_1=0;S_2''(x_3)=2c_1+6d_1x_3=0
此称自然样条
若给定
S_1'(x_1)=b_1+2c_1x_1+3d_1x_1^2=f'(x_1) 以及
S_2'(x_3)=b_2+2c_2x_3+3d_2x_3^2=f'(x_3)强制样条

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,539评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,911评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,337评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,723评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,795评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,762评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,742评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,508评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,954评论 1 308
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,247评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,404评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,104评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,736评论 3 324
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,352评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,557评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,371评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,292评论 2 352

推荐阅读更多精彩内容