|
|
月球上的钢笔 · php删除字符串中的所有空格_php 所有空格· 1 周前 · |
|
|
直爽的脸盆 · Bootstrap Table ...· 2 年前 · |
|
|
爱健身的剪刀 · linq select max date ...· 3 年前 · |
设h是x,y,z和t的函数,它给出了一条图线(t,h) (模拟)。同时,我们还观察到图(h对t的观测值)。如何通过优化x,y和z的值来减小观察到的(t,h)图与模拟(t,h)图之间的差异?我想改变模拟图,使它越来越接近观察到的图,在MATLAB/Python中。在文献中,我读到人们用拉文贝格-马夸特算法做了同样的事情,但是不知道怎么做呢?
发布于 2016-03-10 12:02:14
实际上,您正在尝试拟合参数化函数
x,y,z
的参数
h(x,y,z;t)
。
MATLAB
在MATLAB中,您应该使用优化工具箱的
lsqcurvefit
,或者曲线拟合工具箱的
fit
(我更喜欢后者)。
查看
lsqcurvefit
的文档
x = lsqcurvefit(fun,x0,xdata,ydata);
它在文档中说,您有一个具有系数
F(x,xdata)
和样本点
xdata
的模型
ydata
,以及一组测量值
ydata
。该函数返回最小二乘参数集
x
,其中您的函数最接近测量值。
拟合算法通常需要起点,一些实现可以随机选择,在
lsqcurvefit
的情况下,这就是
x0
的目的。如果你有
h = @(x,y,z,t) ... %// actual function here
t_meas = ... %// actual measured times here
h_meas = ... %// actual measured data here
然后在
lsqcurvefit
的惯例中,
fun <--> @(params,t) h(params(1),params(2),params(3),t)
x0 <--> starting guess for [x,y,z]: [x0,y0,z0]
|
|
月球上的钢笔 · php删除字符串中的所有空格_php 所有空格 1 周前 |