当前位置: 首页 > 计算模拟 >[求助] 1stOpt拟合2自变量,1因变量函数关系,万分感谢!

[求助] 1stOpt拟合2自变量,1因变量函数关系,万分感谢!

作者 YMDX
来源: 小木虫 350 7 举报帖子
+关注

实验得到一组数据,2个自变量,1个因变量,想把数据拟合成二元多项式公式z=f(x,y),找了好多1stOpt都不能用,请大神们帮我拟合一下。数据如下:
X:0.1,0.15,0.2,0.25,0.3,0.35,0.4,0.45,0.5,0.55,0.6,0.65,0.7,0.75
Y:800,840,880,920,960
Z:5.253,4.186,3.665,3.384,3.225,3.162,3.154,3.120,3.080,3.050,,3.040,3.030,3.020,3.000
      5.758,4.809,4.144,3.857,3.504,3.839,3.810,3.790,3.760,3.720,3.700,3.680,3.650,3.630
     6.756,5.781,5.540,5.358,5.157,5.012,4.855,4.727,4.597,4.435,4.359,4.420,4.506,4.532
     4.605,4.362,4.241,4.069,3.872,3.777,3.725,3.615,3.523,3.429,3.345,3.241,3.120,3.020
      3.701,3.608,3.563,3.361,3.214,3.033,2.885,2.772,2.676,2.578,2.534,2.503,2.466,2.439 返回小木虫查看更多

今日热帖
  • 精华评论
  • 独孤神宇

    你这数据 长度不一致 怎么拟合?

    Z 若是矩阵 需要转化为 数组形式

  • dingd

    参考下:
    z = p1/(1+((x-p2)/p3)^2)+p4/(1+((y-p5)/p6)^2)+p7

    Root of Mean Square Error (RMSE): 0.216540394171809
    Sum of Squared Residual: 3.28228196156576
    Correlation Coef. (R): 0.969566624921834
    R-Square: 0.940059440162315
    Adjusted R-Square: 0.937334869260602
    Determination Coef. (DC): 0.940059440162315
    Chi-Square: 0.412891895525997
    F-Statistic: 164.673538892901

    Parameter        Best Estimate
    ----------        -------------
    p1        413668677.987852
    p2        -0.167665772320883
    p3        -1.86380644388765E-5
    p4        2.34466611132058
    p5        873.947040836094
    p6        39.0680318288343
    p7        2.07561071216936
    [求助] 1stOpt拟合2自变量,1因变量函数关系,万分感谢!
    c228.jpg


    [求助] 1stOpt拟合2自变量,1因变量函数关系,万分感谢!-1
    c229.jpg

  • YMDX

    引用回帖:
    2楼: Originally posted by 独孤神宇 at 2019-11-12 09:29:44
    你这数据 长度不一致 怎么拟合?

    Z 若是矩阵 需要转化为 数组形式

    您好,我这还有一组数据可以帮我拟合一下吗?十分感谢!
    x       y         z
    0.1        800        -7.80708924
    0.15        800        -7.491195172
    0.2        800        -7.380294894
    0.25        800        -7.23596501
    0.3        800        -7.12702977
    0.35        800        -7.042810153
    0.4        800        -6.915848254
    0.45        800        -6.841091315
    0.5        800        -6.776172418
    0.55        800        -6.737960304
    0.6        800        -6.627974578
    0.65        800        -6.458376675
    0.7        800        -6.356965568
    0.75        800        -6.35118825
    0.1        840        -7.550092514
    0.15        840        -7.327087821
    0.2        840        -7.021859905
    0.25        840        -6.76505903
    0.3        840        -6.633510821
    0.35        840        -6.528656739
    0.4        840        -6.378243011
    0.45        840        -6.195292387
    0.5        840        -6.049828588
    0.55        840        -6.015077924
    0.6        840        -6.059931653
    0.65        840        -6.178781859
    0.7        840        -6.304672542
    0.75        840        -6.274281271
    0.1        880        -5.286149444
    0.15        880        -4.988916321
    0.2        880        -4.912761199
    0.25        880        -4.938300055
    0.3        880        -4.915465029
    0.35        880        -4.889484407
    0.4        880        -4.825627091
    0.45        880        -4.838206811
    0.5        880        -4.843173626
    0.55        880        -4.818514395
    0.6        880        -4.739977754
    0.65        880        -4.797346705
    0.7        880        -4.9653956
    0.75        880        -4.977611988
    0.1        920        -2.511532158
    0.15        920        -2.772708226
    0.2        920        -2.854020637
    0.25        920        -2.893584392
    0.3        920        -2.999542003
    0.35        920        -3.057344731
    0.4        920        -3.063856802
    0.45        920        -3.143136482
    0.5        920        -3.17020386
    0.55        920        -3.207431034
    0.6        920        -3.17465511
    0.65        920        -3.045952627
    0.7        920        -2.875128116
    0.75        920        -2.609221947
    0.1        960        -0.876117174
    0.15        960        -1.240514453
    0.2        960        -1.474909031
    0.25        960        -1.655703554
    0.3        960        -1.93158957
    0.35        960        -2.117234384
    0.4        960        -2.147090808
    0.45        960        -2.136155119
    0.5        960        -2.074109626
    0.55        960        -2.048011293
    0.6        960        -2.05253476
    0.65        960        -2.124114966
    0.7        960        -2.297445152
    0.75        960        -2.361473911

  • 独孤神宇

    引用回帖:
    6楼: Originally posted by YMDX at 2019-11-12 17:49:29
    您好,我这还有一组数据可以帮我拟合一下吗?十分感谢!
    x       y         z
    0.1        800        -7.80708924
    0.15        800        -7.491195172
    0.2        800        -7.380294894
    0.25        800        -7.23596501
    0.3        800        -7.12702977
    0.35        800        -7.04 ...

    公式: z = p1+p2*ln(x)+p3*ln(y)+p4*ln(x)^2+p5*ln(y)^2+p6*ln(x)^3+p7*ln(y)^3+p8*ln(x)*ln(y)+p9*ln(x)^2*ln(y)+p10*ln(x)*ln(y)^2
    算法: 通用全局优化算法(UGO3)
    均方差(RMSE): 0.139465031739085
    残差平方和(SSR): 1.36153465545888
    相关系数(R): 0.997552261205243
    相关系数之平方(R^2): 0.995110513835694
    修正R平方(Adj. R^2): -0.0454545454545455
    确定系数(DC): 0.995110306996492

    参数名        参数值
    ===============        ===============
    p1              536436.043010275
    p2              -1440.5339365005
    p3              -237290.544471696
    p4              -12.4018824744379
    p5              34982.5573943439
    p6              -0.00821094128944918
    p7              -1718.83776786116
    p8              428.858931590835
    p9              1.83417578173556
    p10              -31.9075216749007

猜你喜欢
下载小木虫APP
与700万科研达人随时交流
  • 二维码
  • IOS
  • 安卓