matlab擬合命令

❶ matlab中如何進行曲線擬合

您好，這樣的：一、 單一變數的曲線逼近
Matlab有一個功能強大的曲線擬合工具箱 cftool ，使用方便，能實現多種類型的線性、非線
性曲線擬合。下面結合我使用的 Matlab R2007b 來簡單介紹如何使用這個工具箱。
假設我們要擬合的函數形式是 y=A*x*x + B*x, 且A>0,B>0 。
1、在命令行輸入數據：

》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、啟動曲線擬合工具箱
》cftool

3、進入曲線擬合工具箱界面「Curve Fitting tool」
（1）點擊「Data」按鈕，彈出「Data」窗口；
（2）利用X data和Y data的下拉菜單讀入數據x,y，可修改數據集名「Data set name」，然
後點擊「Create data set」按鈕，退出「Data」窗口，返回工具箱界面，這時會自動畫出數
據集的曲線圖；
（3）點擊「Fitting」按鈕，彈出「Fitting」窗口；
（4）點擊「New fit」按鈕，可修改擬合項目名稱「Fit name」，通過「Data set」下拉菜單
選擇數據集，然後通過下拉菜單「Type of fit」選擇擬合曲線的類型，工具箱提供的擬合類
型有：
Custom Equations：用戶自定義的函數類型
Exponential：指數逼近，有2種類型， a*exp(b*x) 、 a*exp(b*x) + c*exp(d*x)
Fourier：傅立葉逼近，有7種類型，基礎型是 a0 + a1*cos(x*w) + b1*sin(x*w)
Gaussian：高斯逼近，有8種類型，基礎型是 a1*exp(-((x-b1)/c1)^2)
Interpolant：插值逼近，有4種類型，linear、nearest neighbor、cubic spline、shape-
preserving
Polynomial：多形式逼近，有9種類型，linear ~、quadratic ~、cubic ~、4-9th degree ~
Power：冪逼近，有2種類型，a*x^b 、a*x^b + c
Rational：有理數逼近，分子、分母共有的類型是linear ~、quadratic ~、cubic ~、4-5th
degree ~；此外，分子還包括constant型
Smoothing Spline：平滑逼近（翻譯的不大恰當，不好意思）
Sum of Sin Functions：正弦曲線逼近，有8種類型，基礎型是 a1*sin(b1*x + c1)
Weibull：只有一種，a*b*x^(b-1)*exp(-a*x^b)
選擇好所需的擬合曲線類型及其子類型，並進行相關設置：
——如果是非自定義的類型，根據實際需要點擊「Fit options」按鈕，設置擬合演算法、修改
待估計參數的上下限等參數；
——如果選Custom Equations，點擊「New」按鈕，彈出自定義函數等式窗口，有「Linear
Equations線性等式」和「General Equations構造等式」兩種標簽。
在本例中選Custom Equations，點擊「New」按鈕，選擇「General Equations」標簽，輸入函
數類型y=a*x*x + b*x，設置參數a、b的上下限，然後點擊OK。

❷ 如何用matlab進行函數組的擬合

我覺得，首先你應該對微分方程求積分。使其變成一個一個隨時間變化的函數。
cw=G(t)，或者cp=F(t)等等。這樣就是一個比較簡單的函數關系式。最後調用擬合函數就可以了。
比如由微分方程變化cw=G(t)，使用微分非齊次公式。成為cw=C1*exp(C2*t)+C3。當然C1,C2,C3包括了你的未知變數K1~K4。你使用完指數擬合後能知道C1~C3的值。
再把C1~C3求導，放回微分方程中。往變數t中帶值，這樣就會形成一個方程組求取K1~K4。由於可能是奇異矩陣，所以你用最小二乘法就能求出最後的K1~K4值。

❸ 怎麼用matlab進行數據的多元擬合

如何用matlab進行數據的多元函數擬合？

1、擬合前，我們應准備x1,x2,x3,。。。,y的一系列數據

2、將x1,x2,x3,。。。數據賦值給X變數

3、自定義多元函數擬合函數，如func=@(a,x)a(1)*x1+a(2)*x2+a(3)*x3+a(4)，a為擬合系數

4、初定a的初始值，如a0=[0,0,0,0] %其個數必須與擬合顯示對應

5、利用nlinfit或lsqcurvefit函數，求其擬合系數。如

[a,r,J]=nlinfit(X,y,func,a0)

這里，a為擬合系數；r為殘差；J為Jacobian 矩陣

6、利用nlparci函數，求得擬合系數的置信區間，即

ci = nlparci(p,r,J)

7、計算擬合值，即 yi=func(a,x)

8、計算原數據與擬合數據的相關性，如R²≈1，則認為擬合是合理的。

❹ MATLAB中如何把cftool擬合的函數輸出到命令行

綜述如下：

1、在使用cftool擬合好理想的曲線後，點擊File下的Generate Code,MATLAB會自動生成一個未命名的function，自行保存到工作文件夾。此處注意，默認的函數名叫createFit（XX,YY,、、、），可根據個人需要修改。

2、回到、m文件，在需要擬合函數的那一步，鍵入＂fitresult,gof=createFit(XX,YY,、、、）；"其中fitresult返回的是系數取值，gof返回的是goodness-of-fitness擬合好壞的信息。

3、後續如果想調用某一個具體的系數值，例如關心的系數a1,可使用「fitresult、a1」命令。又或者c3，則使用「fitresult、c3」命令，以此類推。

MATLAB優點簡單易用

Matlab是一個高級的矩陣／陣列語言，它包含控制語句、函數、數據結構、輸入和輸出和面向對象編程特點。用戶可以在命令窗口中將輸入語句與執行命令同步，也可以先編寫好一個較大的復雜的應用程序（M文件）後再一起運行。新版本的MATLAB語言是基於最為流行的C++語言基礎上的，因此語法特徵與C++語言極為相似，而且更加簡單，更加符合科技人員對數學表達式的書寫格式。

❺ 如何用matlab數據擬合函數

1、首先啟動matlab，選擇編輯器，再新建一個命令文件。

❻ matlab擬合函數

題主給出中國人口預測問題（二），可以使用英國經濟學家馬爾薩斯提出的Malthus模型來擬合與預測。其步驟：

第一步，自定義Malthus模型函數（指數函數），如

func=@(k,t)N0*exp(D*(t-t0))

這里,N0=60.2;t0=1954;

第二步，利用1954-2005年的數據，分別使用lsqcurvefit函數，求出系數D。即

[D,resnorm,resial,exitflag]=lsqcurvefit(func,a0,t,N);

第三步，計算擬合值，即

x1=func(D,t);

第四步，計算相關系數R^2,即

R2=R2_fun(x,x1);

第五步，預測2010年和2030年的人口數，即

xhat=func(D,2010);

disp(['預測2010年人口數為',num2str(xhat),'千萬'])

xhat=func(D,2030);

disp(['預測2030年人口數為',num2str(xhat),'千萬'])

第六步，使用plot函數繪制，中國人口數的統計數據與預測模型曲線對比圖,即

plot(t,x,'*-',t,x1,'+-')

第七步，標注圖例，即

legend('統計數據','Malthus模型')

第八步，編寫標題，即

title='中國人口數的統計數據與Malthus模型曲線對比';

第九步，標注坐標軸名稱，即

xlabel('年份');ylabel('人口（千萬）');

最後，編寫程序，並運行可以得到如下結果。

其他問題與上述過程類似。

❼ MATLAB如何對三角函數進行擬合

Matlab可以輸入與三角函數相關的數據以及三角函數形式，從而求出待定的系數，完成數據擬合。完成三角函數擬合過程如下：

1、打開Matlab，在命令行窗口輸入需要擬合數據。

❽ matlab如何做線性擬合

方法一

1、最常用的是多項式擬合，採用polyfit函數，在命令窗口輸入自變數x和因變數y。

❾ 怎樣用matlab指數函數擬合

擬合函數表達式：y=a*exp(b+cx)

式中a=0.06154920769,

b=-3.18125203,

c=7.822374803

擬合度0.9725（相關系數）

用V=A(1)*exp(A(2)*I)+A(3)*exp(A(4)*I)模型比較好。

A = nlinfit(X,Y,myfun,[700 -0.01 -700 -1 ])

I=min(X):0.1:max(X);

V=A(1)*exp(A(2)*I)+A(3)*exp(A(4)*I);

plot(X,Y,'o',I,V)

結果：A =668.9571 -0.0688 -656.7991 -1.0321

意義

a>1時，Y隨X增大而增大，先快後慢；0<a<1時，Y隨X增大而減少，先快後慢。當以Y和lnX繪制的散點圖呈直線趨勢時，可考慮採用對數函數描述Y與X之間的非線性關系，式中的b和a分別為斜率和截距。

曲線直線化是曲線擬合的重要手段之一。對於某些非線性的資料可以通過簡單的變數變換使之直線化，這樣就可以按最小二乘法原理求出變換後變數的直線方程，在實際工作中常利用此直線方程繪制資料的標准工作曲線，同時根據需要可將此直線方程還原為曲線方程，實現對資料的曲線擬合。

以上內容參考：網路-曲線擬合

❿ 怎麼用matlab進行非線性的多元函數擬合

方法一：

1、最常用的是多項式擬合，採用polyfit函數，在命令窗口輸入自變數x和因變數y。