摘 要： 分段曲线拟合是一种常用的数据处理方法，但在分段点处往往不能满足连续与光滑 .针 对这一问题，本文给出了一种能使分段点处连续的方法 .该方法首先利用分段曲线拟合对数据进行处
理；然后在相邻两段曲线采用两点三次 Hermite插值的方法，构造一条连结两条分段曲线的插值曲线，
从而使分段点处满足一阶连续 .最后通过几个实例表明该方法简单、实用、效果较好 .
特里芬两难
关键词： 分段曲线拟合 Hermite 插值 分段点 连续
Study on A Method of Sub-Curve Fitting
Abstract： Sub-curve fitting is a commonly used processing method of data, but at sub-points it often does not meet the continuation and smooth, in allusion to to solve this proble
m, this paper presents a way for making sub-point method continuous. Firstly, this method of sub-curve fitting deals with the data; and then uses the way of t wo points ' cubic Hermite interpolation in the adjacent, structures a interpolation curve that links the two sub-curves, so the sub-point meets first-order continuation; lastly, gives several examples shows that this method is simple, practical and effective.
Key words: sub-curve fitting Hermite interpolation sub-point continuous
前言
剪板机连杆
数据拟合是一种重要的数据处理方法 ,其中最常用的是多项式曲线拟合 .然而当数
据点较多时 ,多项式阶数太低 ,拟合精度和效果不太理想，要提高拟合精度和效果就需要 提高曲线阶数 ,但阶数太高又带来计算上的复杂性及其他方面的不利 .因此 ,如果只采用一
种多项式曲线函数拟合较多的数据点 ,难以取得较好的拟合精度和效果 .为有效地解决上 述问题 ,一般采用分段曲线拟合 .以往的分段曲线拟合方法主要是针对在自然科学领域中 测量的数据而使用的拟合方法 ,这些数据的变化一般都遵循一定的规律 .杭州pm2.5因此 ,在对这些测 量数
据拟合时 ,传统的分段曲线拟合方法一般是先根据主观经验对数据分段 , 然后进行
拟合 .但是对于有些实际问题的数据 ,比如社会、经济生活中的大量统计数据 ,这些数据变 化的机理一般非常复杂 ,往往不像物理定律那样有着严格的规律 ,所以变化的不确定性很 强.因此,传统的分段曲线拟合根据主观经验对数据进行分段的做法就显现出明显地不足 针对这种不足 ,国内外许多文献也讨论过，文献 [1] 研究的是最小二乘法在曲线拟合中的 实现，给出了最小二乘法在多元正交基函数拟合中的计算机实现方法，以常见的二次曲 线拟合为例说明了程序编制的要点， 在实验的数据处理中具有实用价值； 文献[2] 讨论分 段最小二乘曲线拟合方法， 本文在一般最小二乘的基础上提出分段最小二乘曲线拟合的 方案，讨论了连接分段拟合曲线的方法， 并且给出分段最小二乘多项式拟合的计算方法； 文献 [4]主要介绍基于最小二乘原理的分段曲线拟合法， 在最小二乘的基础上， 运用实测 数据点的分段曲线拟合法， 探讨相应的模型以及用不同类型的曲线拟合同时拟合数据点 的具体应用，对一实例 ,应用 MATLAB 编程设计，完成模型的求解、显著性检验等，可 以得到拟合精度比较高的拟合曲线，该方法原理简便，其模型易用 MATLAB 编程求解； 文献 [5]研究的是基于最小二乘法的分段三次曲线拟合方法研究， 多项式曲线拟合是一种 较常用的数据处理方法，但当数据点较多时，只采用一种多项式曲线函数拟合所有数据 点难以得到较
好的拟合效果， 针对传统分段曲线拟合方法中对数据点分段时经验成分较 多的不足，提出了一种基于最小二乘法原理的分段三次曲线拟合方法，建立三次拟合曲 线方程，通过实际数据的检验，验证了该方法的拟合效果；文献 [6,7,8] 主要研究基于分 段三次曲线拟合的广州周发案量预测， 随着城市化进程的不断加快， 城市人口不断增多， 广州市未来治安形势预警，支持政府部门和政法部门关于治安工作的决策，首先需要对 未来时期的发案量做出比较精确的预测，由于目前广州市方案量统计数据比较少，且发 案量受农历春节影响较明显，针对传统时间序列预测方法在此情况下应用不足，提出了 基于分段三次曲线拟合的周发案量预测模型，并给出了具体的建模、计算步骤，最后通 过实际数据的检验， 证明了方法预测效果较好； 文献 [9]提出了分段函数的光滑方法及其 在曲线拟合中的应用，在分析复杂实验数据时，采用分段曲线拟合方法，利用此方法在 段内可以实现最佳逼近，但在段边界上却可能不满足连续性与可导性 .
为了克服这种现象，本文主要研究一种能使段边界连续的方法，具有一定的理论和 实际意义.在前人的基础上， 本文总结分段曲线拟合的方法与步骤， 介绍了分段三次曲线 的拟合方法和两点三次Hermite插值，然后讨论如何利用Hermite插值方法使得分段拟合 曲线在连接点处满足连续方法，最后通过一些实例应用，表明本文所介绍的方法具有一 定的应用价
值 .
1最小二乘曲线拟合
1.1最小二乘法⑴
令待求的未知量为a1,a2,川,at，它们可由n(n >t)个直接测量y1,y2swi.t,川，yn通过下列函 数关系求得：
力=f1(a1,a2兰州理工大学学报」||,at)
y2 = f2(a1,a2,川,at)
W = f3(a1,a2,川,at)
IHIIIHI
yn = fn(a1,a2,川，at)
若aj为真值，由上述已知函数求出真值 yj，若其测量值为y*，则对应的误差为
bj =yj-yj，(j i，2,Hin).最小二乘法可定量表示为：
n
j4
对不等精度的测量，应加上各测量值的权重因子 Pj，即：
n
jrn
最小二乘法是在随机误差为正态分布时，由最大似然法推出的这个结论 .它可使测
量误差的平方和最小，因此被视为从一组测量值中求出一组未知量的最可信赖的方法 .
1.2最小二乘多项式曲线拟合的基本原理⑵
1.2.1线性拟合原理
将拟合函数取线性函数是一种简单的数据拟合方法，将数据点
(X1, f (X1)),( X2, f(X2)),川,(Xm, f(Xm))
(1.2.1.1)
(1.2.1.2)
确定线性拟合函数®(x) = a + bx
称为对数据的线性拟合。对于线性拟合问题，需要求函数
m
S(a,br 送[(a 中 bx)— y]
k吕
的最小值点，该问题的几何背景是寻求一条直线，使该直线与数据表所确定的平面散点 的纵向距离的平方和最小，如图1.2.1-1所示.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议