这需要专业知识，由此确定拟合模型，并由最小二乘法确定其中的待定系数。

前面那位同学也说了先确定拟合模型，然后用最小二乘求解里边的系数。我这里进行一个补充。
方法有很多种主要的思路就是基函数展开（可以理解为确定拟合模型的表达的形式），然后求解拟合模型里边的系数（最小二乘就是求解系数的一种最常见最经典的方法），如果你知道傅里叶展开的话那么本质上都是一个思路。
主要方法如下：
1多项式展开
2傅里叶展开
3神经网络

当然不止这些方法，每种方法之间各有利弊，需要根据实际情况来选定合适的方法，

可以试试1stOpt的公式自动搜索匹配功能，能根据数据自动匹配找到最好拟合公式。

原理不懂的话，最省时间的方法是用1stopt

多元线性回归，一元线性回归基础上去学习，要用最小二乘法求出回归方程模型中的参数，然后去拟合，参考数理统计方差分析与回归分析这章的多元线性回归这节

用origin曲线拟合，楼主可百度查一下过程～我也会点，不过电脑没在身旁

cftool？