数学建模——利用模拟数据拟合曲面

这篇具有很好参考价值的文章主要介绍了数学建模——利用模拟数据拟合曲面。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。

数学建模——利用模拟数据拟合曲面,数学建模

 文章来源地址https://www.toymoban.com/news/detail-586651.html

import numpy as np
import  matplotlib.pyplot as plt
from scipy.interpolate import  interp1d
from mpl_toolkits import  mplot3d
from scipy.interpolate import griddata
from scipy.optimize import  curve_fit


m=200
n=300
x=np.linspace(-6,6,m)
y=np.linspace(-8,8,n)
x2,y2=np.meshgrid(x,y)

x3=np.reshape(x2,(1,-1))
y3=np.reshape(y2,(1,-1))

xy=np.vstack((x3,y3))


def pfun(t,m1,m2,s):
    return np.exp(-((t[0]-m1)**2+(t[1]-m2)**2)/(2*s**2))

z=pfun(xy,1,2,3)
zr=z+0.2*np.random.normal(size=z.shape)


popt,pcov=curve_fit(pfun,xy,zr)

#print(popt)

zn=pfun(xy,*popt)

zn2=np.reshape(zn,x2.shape)

plt.rc('font',size=16)

ax=plt.axes(projection='3d')

ax.plot_surface(x2,y2,zn2,cmap='gist_rainbow')

plt.show()




'''

a = np.array([[1, 2, 3, 4, 5, 6],
              [7, 8, 9, 10, 11, 12],
              [13, 14, 15, 16, 17, 18],
              [19, 20, 21, 22, 23, 24]])


b=np.reshape(a,(6,-1))

print(b)

'''

我还掌握了numpy库中的reshape函数,收获很大

最后结果:

数学建模——利用模拟数据拟合曲面,数学建模

 

到了这里,关于数学建模——利用模拟数据拟合曲面的文章就介绍完了。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

  • 清风数学建模——拟合算法

    概念 在前面的篇幅中提到可以使用插值算法,通过给定的样本点推算出一定的曲线从而推算出一些想要的值。但存在一些问题。一是若样本点过多,那么多项式的次数过高会造成龙格现象;二是为了避免龙格现象而通过分段的思想求得拟合曲线,但这样会导致曲线函数非常复

    2024年02月12日
    浏览(40)
  • 数学建模:拟合算法

    🔆 文章首发于我的个人博客:欢迎大佬们来逛逛 根据1到12点间的温度数据求出温度与时间之间的近似函数关系 F ( t ) F(t) F ( t ) ,由 F ( t ) F(t) F ( t ) 推断 t =13.5 时的温度。这种根据离散数据求数据间近似函数关系的问题称为 曲线拟合问题 。 拟合问题与插值问题的区别在于

    2024年02月10日
    浏览(35)
  • 【数学建模】——拟合算法

    拟合算法定义:与插值问题不同,在拟合问题中不需要曲线一定经过给定的点。拟合问题的目标是寻求一个函数(曲线),使得该曲线在某种准则下与所有的数据点最为接近,即曲线拟合的最好(最小化损失函数)。 插值和拟合的区别: 例子: 此例子中如果用插值算法,因

    2024年02月16日
    浏览(36)
  • 数学建模——插值与拟合

    插值与拟合在建模过程中是一种十分重要的方法,由于赛题中给出的数据可能出现缺失,此时就需要用到插值的方式来对数据进行补全,又或者是给出一部分数据,需要你对未来一部分数据进行预测,这个时候就需要用到拟合的相关知识。 在实际中,常常要处理由实验或测量

    2024年02月01日
    浏览(71)
  • 数学建模 -- 插值与拟合

    灰色预测要等时距 已知函数在某区间内若干点处的值,求函数在该区间内其他点处的值。这种问题适合用插值的方法解决。 拉格朗日插值法:用的不多,在边缘处容易出现Runge现象。 高次插值的Runge现象:当插值多项式的次数超过7时,插值多项式会出现严重的震荡现象。 避

    2024年02月13日
    浏览(40)
  • 数学建模——曲线拟合

     已知一组数据(二维),即平面上n个点       (xi,yi)(i=1,2,…,n), xi互不相同。寻求一个函数y=f(x),使得f(x)在某种准则下与所有的数据点最为接近,即拟合得最好。 线性最小二乘法是解决曲线拟合最常用的方法,基本思路是,令                         其中,r1(x),…,r

    2024年02月12日
    浏览(49)
  • 数学建模:5 拟合

    目录 最小二乘法  matlab求解最小二乘  评价拟合的好坏 线性函数?  matlab代码求拟合优度 Matlab拟合工具箱  例题  推导: fplot函数 + 匿名函数:画函数图 拟合优度   SST 总体平方和:真实值与平均值之差 SSE 误差平方和:真实值与预测值之差 SSR 回归平方和:预测值与平均

    2024年02月08日
    浏览(37)
  • 数学建模实验-插值和拟合

    1.  掌握各种数据插值方法的 MATLAB 实现方法; 2.  掌握数据拟合的 MATLAB 实现方法。 1.  已知平面区域 0  ≤  x  ≤  4800  , 0  ≤  y  ≤  5600的高程数据如data5_1.xlsx所示。 试用二维插值求x,y方向间隔都为50m的高程,并画出该区域的等高线图。 表格数据如图: 2. 在一次

    2024年04月12日
    浏览(36)
  • 【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(55)
  • 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(47)

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