《数学建模与数学实验》第5版 插值与拟合 习题7.6

这篇具有很好参考价值的文章主要介绍了《数学建模与数学实验》第5版 插值与拟合 习题7.6。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


参考教材:《数学建模与教学实验》第5版
提示:以下是本篇文章正文内容,来自参考教材课后习题。

1. 在化工生产中常需要知道丙烷在各种哦温度T和压力P下的导热系数K.

下面是试验得到的数据:

T 68 68 87 87 106 106 140 140
P 9.7981 13.324 9.0078 13.355 9.7918 14.277 9.6563 12.463
K 0.0848 0.0897 0.0762 0.0807 0.0696 0.0753 0.0611 0.0651

试求T=99和P=10.3下的K
matlab求解:

% 温度
T = [68 68 87 87 106 106 140 140];
% 压强
P = [9.7981 13.324 9.0078 13.355 9.7918 14.277 9.6563 12.463];
% 导热系数
K = [0.0848 0.0897 0.0762 0.0807 0.0696 0.0753 0.0611 0.0651];
% 散乱节点插值函数griddata
ck = griddata(T,P,K,99,10.3) % 线性插值
ck1 = griddata(T,P,K,99,10.3,"v4") % 四点样条插值
ck2 = griddata(T,P,K,99,10.3,"cubic") % 三次插值
ck3 = griddata(T,P,K,99,10.3,"nearest") % 最近领点插值

《数学建模与数学实验》第5版 插值与拟合 习题7.6
线性插值k=0.0729,四点样条插值k=0.0718,三次插值k=0.0724,最近领点插值k=0.0696

2. 下表给出了某一海域的水深数据. 直角坐标系 O x y O_{xy} Oxy​ 中, xy 平面上的点 (x,y) , 水深 z 以英尺为单位.水深数据是在低潮时测得的, 船的吃水深度为 5 英尺.

问在矩形区域 (75,200)×(−50,150) 里哪些地方船要避免进入.

x 129 140 103.5 88 185.5 195 105.5 157.5 107.5 77 81 162 162 117.5
y 7.5 141.5 23 147 22.5 137.5 85.5 -6.5 -81 3 56.5 -66.5 84 -33.5
z 4 8 6 8 6 8 8 9 9 8 8 9 4 9

matlab求解:

clear;clc
% 数据输入
x = [129 140 103.5 88 185.5 195 105.5 157.5 107.5 77 81	162	162	117.5];
y = [7.5 141.5 23 147 22.5 137.5 85.5 -6.5 -81 3 56.5 -66.5 84 -33.5];
z = [4 8 6 8 6 8 8 9 9 8 8 9 4 9];
z = z.*(-1);% 深度方向
nx = 75:0.2:200;
ny = -70:0.2:150;
[nx,ny] = meshgrid(nx,ny);
nz = griddata(x,y,z,nx,ny,"cubic"); % 三次插值,其他插值也可以
subplot(1,2,1);
% 带帷幕的网格曲面图meshz
meshz(nx,ny,nz);title("插值曲面图"),xlabel("x"),ylabel("y"),zlabel("z")
% 等值线图
subplot(1,2,2);
contour(nx,ny,nz,[-5,-5],"r");title("等值图")
hold on
plot(x,y,"*");xlabel("x"),ylabel("y")

《数学建模与数学实验》第5版 插值与拟合 习题7.6
结果可知在红色区域为危险区域,避免红色区域·进入。

3. 用给定的多项式,如 y = x 3 − 6 x 2 + 5 x − 3 y=x^3-6x^2+5x-3 y=x3−6x2+5x−3,产生一组数据(xi,yi,i=1,2,…,n),再在yi上添加随机干扰(可用rand产生(0,1)均匀分布随机数,或用rands产生N(0,1)分布随机数),然后用xi和添加了随机干扰的yi作的3次多项式拟合,与原系数比较。

如果作2次或4次多项式拟合,结果如何?
matlab求解:

clear;clc
x = 1:0.5:10;
% 多项式
y = x.^3 - 6*x.^2 + 5*x - 3;
% 添加随机干扰
a = rand(size(y))
y0 = y + a;
% 三次多项式拟合
f3 = polyfit(x,y0,3)
y3 = polyval(f3,x);
subplot(2,2,1);plot(x,y,"*",x,y3);title("三次拟合曲线")
% 二次多项式拟合
f2 = polyfit(x,y0,2)
y2 = polyval(f2,x);
subplot(2,2,2);plot(x,y,"*",x,y2);title("二次拟合曲线")
% 四次多项式拟合
f4 = polyfit(x,y0,4)
y4 = polyval(f4,x);
subplot(2,2,3);plot(x,y,"*",x,y4);title("四次拟合曲线")

系数:
《数学建模与数学实验》第5版 插值与拟合 习题7.6
多项式拟合曲线:
《数学建模与数学实验》第5版 插值与拟合 习题7.6

比较拟合后多项式和原式的系数,发现四次多项式系数、三次多项式系数与原系数比较接近.作图后,发现二次多项式的图形与原函数的差别比较大,三次与四次多项式拟合图像与原系数比较接近。而且接近程度较好。

4. 用电压V=10伏的电池给电容器充电,电容器上t时刻的电压为 U ( t ) = U − ( U − U 0 ) e − t / T U(t)=U -(U-U_0)e^{-t/T} U(t)=U−(U−U0​)e−t/T,其中 U 0 U_0 U0​是电容器的初始电压,T是充电常数。

试由下面一组t,U(t)数据确定 U 0 和 T U_0和T U0T

t/s 0.5 1 2 3 4 5 7 9
U/v 6.36 6.48 7.26 8.22 8.66 8.99 9.43 9.63

matlab求解:
建立curvefun函数:

function f = curvefun(x,t)
f = 10-(10-x(1))*exp(-t./x(2))

主函数:

t = [0.5 1 2 3 4 5 7 9];
v = [6.36 6.48 7.26 8.22 8.66 8.99 9.43 9.63];
x0 = [0.2,0.05];
% 非线性最小二乘拟合
x = lsqcurvefit("curvefun",x0,t,v)
f = curvefun(x,t)

《数学建模与数学实验》第5版 插值与拟合 习题7.6
可得 U 0 = 5.5577 , T = 3.5002 U_0=5.5577,T=3.5002 U0=5.5577,T=3.5002

5. 弹簧在力F的作用下伸长x,一定范围内服从胡克定律:F与x成正比,即F=kx,k为弹性系数。

现在得到下面一组x,F数据,并在(x, F)坐标下作图。可以看出,当F大到一定数值(如x=9以后)后,就不服从这个定律了。试由数据拟和直线F=kx,并给出不服从胡克定律时的近似公式(曲线)。x,F数据如下:

x 1 2 4 7 9 12 13 15 17
F 1.5 3.9 6.6 11.7 15.6 18.8 19.6 20.6 21.1

matlab求解:

x = [1 2 4 7 9 12 13 15 17];
f = [1.5 3.9 6.6 11.7 15.6 18.8 19.6 20.6 21.1];
% 先使用一元多项式拟合(线性)
a = polyfit(x,f,1)
b = polyval(a,x)
plot(x,f,"+",x,b,"-")
figure(2)

《数学建模与数学实验》第5版 插值与拟合 习题7.6
可以看出在10以后的拟合效果不是很好。越来越偏离实际情况。
选取前5个数据与后4个数据分别进行拟合:

x = [1 2 4 7 9];
f = [1.5 3.9 6.6 11.7 15.6];
% 使用一元多项式拟合
a = polyfit(x,f,1)
b = polyval(a,x)
subplot(1,2,1);plot(x,f,"+",x,b,"-");title("前5数据一元多项式拟合")
x1 = [12 13 15 17];
f1 = [18.8 19.6 20.6 21.1];
% 使用二元多项式拟合
a1 = polyfit(x1,f1,2)
b1 = polyval(a1,x1)
subplot(1,2,2);plot(x1,f1,"+",x1,b1,"-");title("后4数据二元多项式拟合")

系数:
《数学建模与数学实验》第5版 插值与拟合 习题7.6
拟合图:
《数学建模与数学实验》第5版 插值与拟合 习题7.6
由上述结果可得:当x<=9时,服从胡克定律
F = 1.7084x
当x>9后,不符合胡克定律,用二次函数来表示:
F = − 0.0732 x 2 + 2.5790 x − 1.5834 F = -0.0732x^2 + 2.5790x-1.5834 F=0.0732x2+2.5790x1.5834文章来源地址https://www.toymoban.com/news/detail-460743.html

到了这里,关于《数学建模与数学实验》第5版 插值与拟合 习题7.6的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数学建模常用模型(二):插值与拟合

    在数学建模中,插值和拟合是常用的数据分析技术,用于从给定的离散数据中推断出连续函数或曲线的近似形式。 插值是通过已知数据点之间的插值多项式来估计未知数据点的值。插值方法的目标是在给定数据点上准确地重现原始数据,以便在数据点之间进行插值时获得尽可

    2024年02月12日
    浏览(44)
  • 【数学建模】《实战数学建模:例题与讲解》第四讲-插值与拟合(含Matlab代码)

    如果这篇文章对你有帮助,欢迎点赞与收藏~ 在实际问题中,对于给定的函数 y = f(x) ,通常通过实验观测在某个区间 [a, b] 上一系列点 x_i 上的函数值 y_i = f(x_i) 得到。当需要在这些观测点 x_0, x_1, ..., x_n 之间的某些点 x 上估计函数值时,插值法和拟合是两种常用的数学方法。

    2024年02月05日
    浏览(52)
  • 《数学建模与数学实验》第5版 统计分析 习题9.7

    参考教材:《数学建模与教学实验》第5版 提示:以下是本篇文章正文内容,来自参考教材课后习题。 温度 20 25 30 35 40 45 50 55 60 65 产量 13.2 15.1 16.4 17.1 17.9 18.7 19.6 21.2 22.5 24.3 求y关于x的线性回归方程,检验回归效果是否显著,并预测x=42℃时产量的估值及预测区间(置信度95

    2024年02月06日
    浏览(45)
  • 《数学建模与数学实验》第5版 数据的统计描述 习题8.7

    参考教材:《数学建模与教学实验》第5版 提示:以下是本篇文章正文内容,来自参考教材课后习题。 93 75 83 93 91 85 84 82 77 76 77 95 94 89 91 88 86 83 96 81 79 97 78 75 67 69 68 84 83 81 75 66 85 70 94 84 83 82 80 78 74 73 76 70 86 76 90 89 71 66 86 73 80 94 79 78 77 63 53 55 matlab求解: 结果: 均值为:80.1;标

    2024年02月06日
    浏览(60)
  • 数学建模 插值算法

    有问题 牛顿差值也有问题 它们都有龙格现象,一般用分段插值。 插值预测要比灰色关联预测更加准确,灰色预测只有2次 拟合样本点要非常多,样本点少差值合适

    2024年02月16日
    浏览(36)
  • 数学建模——插值算法

    概念:数模比赛中,常常需要根据有已知的函数点进行数、模型处理和分析,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来满足需求,这就是插值的作用。 一维插值问题: 通过已有的点

    2024年02月16日
    浏览(37)
  • 数学建模——插值(下)

    本文是面向数学建模准备的,是介绍性文章,没有过多关于原理的说明!!! 目录 一、2维插值原理及公式 1、二维插值问题 2、最邻近插值 3、分片线性插值 4、双线性插值 5、二维样条插值 二、二维插值及其Matlab工具箱 1、已知网格节点(xi,yj,zij)(i=1,2,…,m,j=1,2,…,n),且满足

    2024年02月12日
    浏览(58)
  • 数学建模——插值(上)

    本文是面向数学建模准备的,是介绍性文章,没有过多关于原理的说明!!! 已知区间[a,b]上有系列观测值(xi,yi),i=0,1,2,…,n,求一条曲线把这些点依次连接起来,称为插值,这条曲线的表达式f(x)称为插值函数。一般f(x)解析式也是未知的。  最简单、最直观的做法就是把两个

    2024年02月13日
    浏览(85)
  • 数学建模之插值算法

    注:本文面向应用,参考了清风大大的资料以及司守奎老师的《数学建模算法与应用》,属作者的个人学习总结。 当已知函数点非常少的时候,我们经常要 模拟产生一些新的函数值 来支撑后续数据分析。这就是插值算法的应用目的。*插值算法还可以用来实现短期预测,但我

    2024年01月24日
    浏览(44)
  • 数学建模之插值法

    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来满足需求,这就是插值的作用。 那什么是插值法? 插值法又可以分

    2024年02月03日
    浏览(46)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包