Аппроксимация и интерполяция данных

 

Пусть зависимость между переменными величинами x и y выражается в виде экспериментально полученной таблицы:

 

xi	x0	x1	…	xn-1	xn
yi	y0	y1	…	yn-1	yn

 

Если аналитическое выражение зависимости y = f(x) неизвестно или очень сложно, то возникает задача аппроксимации, т.е. задача нахождения такой достаточно простой функции y = F(x), значения которой на отрезке [a; b], содержащем точки x_i, i = 0, …, n, возможно мало отличаются от значений искомой функции. Требование точного совпадения y_i = F(x_i) приводит к задаче интерполирования.

Полиномиальная аппроксимация измерений, которые сформированы как некоторый вектор Y, при значениях аргумента, которые образуют вектор X такой же длины, что и Y, осуществляется командой polyfit(X, Y, n) по методу наименьших квадратов. Здесь n – порядок аппроксимирующего полинома. Результатом действия этой процедуры является вектор длины (n+1) коэффициентов аппроксимирующего полинома.

Пусть функция f(x) задана таблично:

 

x
y	1.1	0.2	0.5	0.8	0.7	0.6	0.4	0.1

 

Применяя команду polyfit при различных значениях порядка аппроксимирующего полинома, получим:

> > x=1: 8;

> > y=[-1.1.2.5.8.7.6.4.1];

> > p1=polyfit(x, y, 1)

p1 =

0.1143 -0.2393

> > p2=polyfit(x, y, 2)

p2 =

-0.1024 1.0357 -1.7750

> > p3=polyfit(x, y, 3)

p3 =

0.0177 -0.3410 1.9461 -2.6500

> > p4=polyfit(x, y, 4)

p4 =

-0.0044 0.0961 -0.8146 3.0326 -3.3893

Это означает, что заданную табличную зависимость можно аппроксимировать:

прямой y(x) = 0, 1143x – 0, 2393;

квадратной параболой y(x) = -0, 1024x²+1, 0357x – 1, 7750;

кубической параболой y(x) = 0, 0177x³ – 0, 3410x²+1, 9461x – 2, 6500;

или параболой четвертой степени

y(x) = -0.0044x⁴+0.0961x³ - 0.8146x²+3.0326x - 3.3893.

Построим в одном графическом окне графики заданной дискретной функции и графики трех первых полученных при аппроксимации полиномов:

> > plot(x, y, 'ko');

> > hold

> > x1=.5:.05: 8.5;

> > y1=polyval(p1, x1);

> > y2=polyval(p2, x1);

> > y3=polyval(p3, x1);

> > plot(x1, y1, 'k-', x1, y2, 'g.', x1, y3, 'b: ')

> > legend('table', 'n=1', 'n=2', 'n=3')

> > grid

В результате получается график, изображенный на рис. 6.6.

 

 

Рис. 6.6

Одномерную табличную интерполяцию производит команда interp1. Обращение к ней в общем случае имеет вид Yi=interp1(X, Y, Xi, метод) и позволяет дополнительно указать метод интерполяции в четвертом аргументе: nearest – ступенчатая интерполяция; linear – линейная; spline – кубическими сплайнами. Она интерполирует значения вектора Y, заданного при значениях аргумента, представленных в векторе X, и выдает значения интерполирующей функции в виде вектора Y_i при значениях аргумента, заданных вектором X _i .

Ниже приведен текст файл-программы для сравнения различных способов интерполирования, выполнение которой приводит к появлению графиков, изображенных на рис. 6.7:

> > x=[0.1 0.3 0.4 0.6 0.9 1.2];

> > y=[4 4.5 2 -2.9 -0.9 -0.2];

> > plot(x, y, 'ko')

xi=[0.1: 0.01: 1.2];

y1=interp1(x, y, xi, 'nearest');

y2=interp1(x, y, xi, 'linear');

y3=interp1(x, y, xi, 'spline');

hold

Current plot held

> > plot(xi, y1, 'k', xi, y2, 'k: ', xi, y3, 'k-.')

legend('table', 'nearest', 'linear', 'spline', 4)

grid on

 

 

Рис. 6.7

Интерполяция двумерных и многомерных данных

 

Интерполяция двумерных данных связана с построением функции двух переменных, приближающей заданные в точках (x_i; y_i) значения z _i . Для интерполирования двумерных данных следует задать промежуточные узлы командой meshgrid и воспользоваться interp2, которая реализует один из способов интерполирования в зависимости от значения последнего аргумента: nearest – интерполяция по соседним аргументам; bilinear – билинейная интерполяция; bicubic – интерполяция бикубическими сплайнами.

Ниже приведен текст файл-программы для сравнения различных способов интерполирования, выполнение которой приводит к появлению графиков, изображенных на рис. 6. 8.

Для избежания утомительного ввода таблицы двумерных данных они генерируются при помощи некоторой функции двух переменных.

> > [X, Y]=meshgrid(0: 0.2: 1);

> > Z=sin(2*pi*X).*sin(2*pi*Y);

> > subplot(2, 2, 1)

> > surf(X, Y, Z)

> > [Xi, Yi]=meshgrid(0: 0.02: 1);

> > Z1=interp2(X, Y, Z, Xi, Yi, 'nearest');

> > Z2=interp2(X, Y, Z, Xi, Yi, 'bilinear');

> > Z3=interp2(X, Y, Z, Xi, Yi, 'bicubic');

> > subplot(2, 2, 2)

> > surf(Xi, Yi, Z1)

> > subplot(2, 2, 3)

> > surf(Xi, Yi, Z2)

> > subplot(2, 2, 4)

> > surf(Xi, Yi, Z3)

 

 

Рис. 6.8

Для интерполирования трехмерных данных служит команда interp3, для многомерных – interpn. Многомерное интерполирование производится аналогично двумерному, подробнее о нем можно узнать из справочной системы MATLAB с помощью команды doc interpn. Интерполированию посвящен пакет Spline ToolBox.

Вопросы для самопроверки

1. Как осуществляется ввод полиномов в MATLAB?

2. Какие команды осуществляют умножение, деление полиномов?

3. Какая команда вычисляет корни полинома?

4. Какая команда осуществляет построение полинома по заданному вектору его корней?

5. Какая команда вычисляет значение полинома по заданному значению его аргумента?

6. Каким образом можно задать первый входной аргумент команд fzero и fsolve?

7. Какая команда MATLAB находит минимум функции одной переменной?

8. Какая команда MATLAB находит минимум функции нескольких переменных?

9. Какие команды вычисляют значения определенных интегралов?

10. Какие команды (солверы) возвращают численные решения обыкновенных дифференциальных уравнений?

11. Какие команды осуществляют полиномиальную аппроксимацию данных?

12. С помощью каких команд выполняется интерполяция данных?

⇐ Предыдущая45678910111213Следующая ⇒

Поделиться: