matlab拟合命令

❶ matlab中如何进行曲线拟合

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。

❷ 如何用matlab进行函数组的拟合

我觉得，首先你应该对微分方程求积分。使其变成一个一个随时间变化的函数。
cw=G(t)，或者cp=F(t)等等。这样就是一个比较简单的函数关系式。最后调用拟合函数就可以了。
比如由微分方程变化cw=G(t)，使用微分非齐次公式。成为cw=C1*exp(C2*t)+C3。当然C1,C2,C3包括了你的未知变量K1~K4。你使用完指数拟合后能知道C1~C3的值。
再把C1~C3求导，放回微分方程中。往变量t中带值，这样就会形成一个方程组求取K1~K4。由于可能是奇异矩阵，所以你用最小二乘法就能求出最后的K1~K4值。

❸ 怎么用matlab进行数据的多元拟合

如何用matlab进行数据的多元函数拟合？

1、拟合前，我们应准备x1,x2,x3,。。。,y的一系列数据

2、将x1,x2,x3,。。。数据赋值给X变量

3、自定义多元函数拟合函数，如func=@(a,x)a(1)*x1+a(2)*x2+a(3)*x3+a(4)，a为拟合系数

4、初定a的初始值，如a0=[0,0,0,0] %其个数必须与拟合显示对应

5、利用nlinfit或lsqcurvefit函数，求其拟合系数。如

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

这里，a为拟合系数；r为残差；J为Jacobian 矩阵

6、利用nlparci函数，求得拟合系数的置信区间，即

ci = nlparci(p,r,J)

7、计算拟合值，即 yi=func(a,x)

8、计算原数据与拟合数据的相关性，如R²≈1，则认为拟合是合理的。

❹ MATLAB中如何把cftool拟合的函数输出到命令行

综述如下：

1、在使用cftool拟合好理想的曲线后，点击File下的Generate Code,MATLAB会自动生成一个未命名的function，自行保存到工作文件夹。此处注意，默认的函数名叫createFit（XX,YY,、、、），可根据个人需要修改。

2、回到、m文件，在需要拟合函数的那一步，键入＂fitresult,gof=createFit(XX,YY,、、、）；"其中fitresult返回的是系数取值，gof返回的是goodness-of-fitness拟合好坏的信息。

3、后续如果想调用某一个具体的系数值，例如关心的系数a1,可使用“fitresult、a1”命令。又或者c3，则使用“fitresult、c3”命令，以此类推。

MATLAB优点简单易用

Matlab是一个高级的矩阵／阵列语言，它包含控制语句、函数、数据结构、输入和输出和面向对象编程特点。用户可以在命令窗口中将输入语句与执行命令同步，也可以先编写好一个较大的复杂的应用程序（M文件）后再一起运行。新版本的MATLAB语言是基于最为流行的C++语言基础上的，因此语法特征与C++语言极为相似，而且更加简单，更加符合科技人员对数学表达式的书写格式。

❺ 如何用matlab数据拟合函数

1、首先启动matlab，选择编辑器，再新建一个命令文件。

❻ matlab拟合函数

题主给出中国人口预测问题（二），可以使用英国经济学家马尔萨斯提出的Malthus模型来拟合与预测。其步骤：

第一步，自定义Malthus模型函数（指数函数），如

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

这里,N0=60.2;t0=1954;

第二步，利用1954-2005年的数据，分别使用lsqcurvefit函数，求出系数D。即

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

第三步，计算拟合值，即

x1=func(D,t);

第四步，计算相关系数R^2,即

R2=R2_fun(x,x1);

第五步，预测2010年和2030年的人口数，即

xhat=func(D,2010);

disp(['预测2010年人口数为',num2str(xhat),'千万'])

xhat=func(D,2030);

disp(['预测2030年人口数为',num2str(xhat),'千万'])

第六步，使用plot函数绘制，中国人口数的统计数据与预测模型曲线对比图,即

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

第七步，标注图例，即

legend('统计数据','Malthus模型')

第八步，编写标题，即

title='中国人口数的统计数据与Malthus模型曲线对比';

第九步，标注坐标轴名称，即

xlabel('年份');ylabel('人口（千万）');

最后，编写程序，并运行可以得到如下结果。

其他问题与上述过程类似。

❼ MATLAB如何对三角函数进行拟合

Matlab可以输入与三角函数相关的数据以及三角函数形式，从而求出待定的系数，完成数据拟合。完成三角函数拟合过程如下：

1、打开Matlab，在命令行窗口输入需要拟合数据。

❽ matlab如何做线性拟合

方法一

1、最常用的是多项式拟合，采用polyfit函数，在命令窗口输入自变量x和因变量y。

❾ 怎样用matlab指数函数拟合

拟合函数表达式：y=a*exp(b+cx)

式中a=0.06154920769,

b=-3.18125203,

c=7.822374803

拟合度0.9725（相关系数）

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

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)

结果：A =668.9571 -0.0688 -656.7991 -1.0321

意义

a>1时，Y随X增大而增大，先快后慢；0<a<1时，Y随X增大而减少，先快后慢。当以Y和lnX绘制的散点图呈直线趋势时，可考虑采用对数函数描述Y与X之间的非线性关系，式中的b和a分别为斜率和截距。

曲线直线化是曲线拟合的重要手段之一。对于某些非线性的资料可以通过简单的变量变换使之直线化，这样就可以按最小二乘法原理求出变换后变量的直线方程，在实际工作中常利用此直线方程绘制资料的标准工作曲线，同时根据需要可将此直线方程还原为曲线方程，实现对资料的曲线拟合。

以上内容参考：网络-曲线拟合

❿ 怎么用matlab进行非线性的多元函数拟合

方法一：

1、最常用的是多项式拟合，采用polyfit函数，在命令窗口输入自变量x和因变量y。