matlab曲线拟合

1. matlab曲线拟合

你这个如果拟合成正比例函数会误差很大，所以给你加上了个常数，仿真效果图如下：
y=8725.6495*ln(x)-66204.5041

程序如下~~~~~~
clear;clc;close all;
x=[1975 1977 1979 1981];
y=[10.7, 12.38, 29.75, 34.32];
lx=log(x);
p=polyfit(lx,y,1);
disp(['y=',num2str(p(1)),'*ln(x)+',num2str(p(2))]);
figure;
plot(x,y,'o-');hold on;
plot(x,p(1)*log(x)+p(2),'ro-');

2. 如何使用matlab 2014a 做数据曲线拟合

方法一、用数据拟合工具箱 Curve Fitting Tool打开CFTOOL工具箱。在matlab的command window中输入cftool，即可进入数据拟合工具箱。

输入两组向量x，y。
       首先在Matlab的命令行输入两个向量，一个向量是你要的x坐标的各个数据，另外一个是你要的y坐标的各个数据。输入以后假定叫x向量与y向量，可以在workspace里面看见这两个向量，要确保这两个向量的元素数一致，如果不一致的话是不能在工具箱里面进行拟合的。
       例如在命令行里输入下列数据:
x = [196,186, 137, 136, 122, 122, 71, 71, 70, 33];
y = [0.012605; 0.013115; 0.016866; 0.014741; 0.022353; 0.019278; 0.041803; 0.038026; 0.038128; 0.088196];

数据的选取。打开曲线拟合共工具界面，点击最左边的X data和Y data，选择刚才输入的数据，这时界面中会出现这组数据的散点图。

选择拟合方法，点击Fit

左侧results为拟合结果，下方表格为误差等统计数据。
方法二、用神经网络工具箱1、打开神经网络工具箱，在command window内输入nftool，进入Neural fitting tool

2、导入数据，点击next，导入Inputs为x，Targets为y。

3、选择网络参数，点击next，选择训练集和测试集数量，点next，选隐藏层节点个数。


4、训练数据，点next，选train。

5、绘制拟合曲线，训练完成后电机plot fit

训练结果参数在训练完后自动弹出

神经网络工具箱可以用command写，请搜索关键字matlab 神经网络工具箱函数。
方法三、用polyfit函数写        polyfit函数是matlab中用于进行曲线拟合的一个函数。其数学基础是最小二乘法曲线拟合原理。曲线拟合：已知离散点上的数据集，即已知在点集上的函数值，构造一个解析函数（其图形为一曲线）使在原离散点上尽可能接近给定的值。
        调用方法：a=polyfit(xdata,ydata,n)，
        其中n表示多项式的最高阶数，xdata，ydata为将要拟合的数据，它是用数组的方式输入。输出参数a为拟合多项式 y=a1x^n+...+anx+a,共n+1个系数。
%例程A=polyfit(x,y,2);z=polyval(A,x);plot(x,y,'r*',x,z,'b')
方法四、自行写算法做拟合       请参考数值分析教科书，拟合、插值方法较多，算法并不复杂，灵活套用循环即可

3. matlab数据拟合的问题

%x太大，以x的幂作为基函数会导致设计矩阵尺度太差，列变量几乎线性相依。
%变换为[-1 1]范围计算
x=[1990:2005];t=(x-2040)/50;
y=[61 62 75 98 90 93 97 100 108 160 221 268 320 382 447 504];
p1=polyfit(t,y,1); z1=polyval(p1,t);
p2=polyfit(t,y,2); z2=polyval(p2,t);
p3=polyfit(t,y,3); z3=polyval(p3,t);
p4=polyfit(t,y,4); z4=polyval(p4,t);
h=plot(t,y,'go',t,z1,'b+',t,z2,'r--',t,z3,'k.',t,z4,'m*');
xlabel('年份');ylabel('万人');
set(gca,'XTick',t,'XTickLabel',sprintf('%d|',x));
title('全国(1990年～2005年)历年参加高考人数和录取人数');
legend('data','1st poly','2nd poly','3rd poly','4th poly',2);

4. matlab 曲线拟合，求助

f=[3.15 8.25 12.51 16.16 19.37 22.22 24.78 27.12 29.26 31.24 33.08 34.79 36.40 37.92 39.35 40.71 42.00 43.22 44.40 45.52 46.59 47.62 48.62 49.57 50.50 51.39 52.25 53.08 53.89]; 
x=[1:1:29];
F=@(p,a)p(1)*log(p(2)*a+1)+p(3);
p=lsqcurvefit(F,[1 1 1],x,f)
y=25.9028*(log(0.2780*x+1))-3.2009;
plot(x,y,'r-',x,f,'ko');
grid on;
最后运行结果为：p = 25.9028    0.2780   -3.2009即y=25.9028*(ln(0.2780x+1))-3.2009; 效果如下图

5. 如何使用matlab 2014a 做数据曲线拟合

您好，这样的：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。下一
篇文章我介绍帮同学做的一个非线性函数的曲线拟合。

6. 如何使用matlab 2014a 做数据曲线拟合

您好，这样的：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。

7. Matlab的数据拟合问题

Matlab的数据拟合问题，实际上就非线性回归拟合问题。
可以用matlab的nlinfit（）非线性最小二乘法函数来解决。解决过程如下：

执行上述代码，得到：a=0.62，b=2.9981

对比数据可以看到，数据完全拟合。

8. 如何利用MATLAB对数据进行曲线拟合

您好，这样的：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。