matlab 曲线拟合求函数的最佳参数时怎么确定参数的初始值

Posted 2023-04-20

x=[2:16];
y=[6.42 8.2 9.58 9.5 9.7 10 9.93 9.99 10.49 10.59 10.6 10.8 10.6 10.9 10.76];
plot(x,y,'*');
% b0=[];%待定参数的初始值
fun=inline('b(1)*(1-b(2)*exp(b(3)*x))','b','x');
[b,r,j]=nlinfit(x,y,fun);
b
R=sum(r.^2)%误差的平方和

确定参数的初始值是比较繁琐的工作，一般可以用随机函数rand（）来初定初始值，再根据plot（）的散点图的曲线趋势，再调整初始值，直到试验数据曲线与拟合函数曲线基本吻合，即R² ≈ 1（相关系数），此时得到的系数为最佳值。（前提，拟合模型符合试验数据）追问

能详细说一下怎么用随机函数吗

追答

b=[rand(1)*100 rand(1)*20 rand(1)*1]

追问

100，,2,1是啥意思

追答

rand(1)*100的意思是，将随机函数rand（）得到随机数扩?00倍。即
>> rand(1)
ans =
0.95013
rand(1)*100=0.95013*100=95.013

参考技术A x=[2:16];
y=[6.42 8.2 9.58 9.5 9.7 10 9.93 9.99 10.49 10.59 10.6 10.8 10.6 10.9 10.76];
plot(x,y,'*');
b0=[10.5974438964979 0.928821089717906 -0.453];%待定参数初始值
fun=inline('b(1)*(1-b(2)*exp(b(3)*x))','b','x');
[b,r,j]=nlinfit(x,y,fun,b0);
b
R=sum(r.^2)%误差平方和

怎么在matlab中对离散点进行曲线拟合，求参数！

拟合出f（x）分布的系数
然后，根据xy分别是离散点的横纵坐标（数值至少10组以上）首先，进行参数估计
*p(Xn;P)*p(X2。然后求一个P。不妨假设有高斯噪声干扰ML估计是这个意思，现在只需要写出上面的概率密度函数就可以了。
按你的模型，数据X的分布是与参数有关的.，理想情况下数据y是由完全由参数决定的确定性量，则这组数据出现的总概率是，使这个总概率最大：设待估计参数P，即p(X.;P);你现在已经有了一组数据X：p(X1;
P);P)* 参考技术A ML估计是这个意思：设待估计参数P，数据X的分布是与参数有关的，即p(X;P);你现在已经有了一组数据X，则这组数据出现的总概率是：p(X1;P)*p(X2;P)*...*p(Xn;
P)。然后求一个P，使这个总概率最大。
按你的模型，理想情况下数据y是由完全由参数决定的确定性量。不妨假设有高斯噪声干扰，现在只需要写出上面的概率密度函数就可以了。 参考技术B 首先，根据xy分别是离散点的横纵坐标（数值至少10组以上），拟合出f（x）分布的系数
然后，进行参数估计。