24小时热门版块排行榜

返回列表

jadetsai88

新虫 (初入文坛)

应助: 0 (幼儿园)
金币: 65.5
帖子: 10
在线: 3.5小时
虫号: 1864699
注册: 2012-06-19
性别: MM
专业: 可再生与替代能源利用中的

[求助] 拟合水的密度与温度的函数关系式

由于仿真时需要用到水的密度随着温度变化的函数，但是又没学过你和数据模型，望大神们帮帮忙，附近是水的密度随着温度变化的数值表，从277度开始模拟就可以了，非常感谢！

回复此楼

» 本帖附件资源列表

欢迎监督和反馈：小木虫仅提供交流平台，不对该内容负责。
本内容由用户自主发布，如果其内容涉及到知识产权问题，其责任在于用户本人，如对版权有异议，请联系邮箱：xiaomuchong@tal.com
附件 1 : 水密度与温度对应关系.xls

2013-05-17 16:52:45, 45.5 K

» 猜你喜欢

《电磁学》教材推荐已经有1人回复
【急招】合肥工大核聚变材料计算方向2026级工程博士生已经有4人回复
物理学I论文润色/翻译怎么收费? 已经有211人回复
大豆异黄酮分离已经有0人回复
湖南大学材料学院急招2026年博士生，临时增加一名博士联培指标已经有10人回复
天津理工大学晶体材料全国重点实验室刘红军教授课题组招收博士生1-2名已经有1人回复
中国科学院物理研究所谌志国研究员团队招收2027年博士研究生已经有4人回复
2026年中德博士后交流项目 - 新型量子和磁性材料：材料制备表征和中子散射研究已经有12人回复

» 本主题相关价值贴推荐，对您同样有帮助:

自己从事科研以来的英文写作总结，希望对写SCI的你有帮助(特别是搞物理材料的) 已经有30人回复
消除催化零回复，感谢虫友来交流(十二）已经有19人回复
消除催化零回复，感谢虫友来交流(三）已经有13人回复
注册化工工程师须知已经有23人回复
【其他】中国电动汽车高能电池研发与市场现状已经有9人回复

1楼 2013-05-17 16:52:49

已阅回复此楼关注TA 给TA发消息送TA红花 TA的回帖

月只蓝

主管区长 (职业作家)

专家经验: +1059
计算强帖: 8
应助: 1712 (讲师)
贵宾: 8.888
金币: 68144.7
散金: 1938
红花: 443
沙发: 4
帖子: 4373
在线: 3291.6小时
虫号: 1122189
注册: 2010-10-14
专业: 宇宙学
管辖: 计算模拟区

【答案】应助回帖

★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★
感谢参与，应助指数 +1
fegg7502: 金币+1, 鼓励交流 2013-05-18 14:37:38
jadetsai88(fegg7502代发): 金币+5 2013-05-18 14:38:16
jadetsai88: 金币+45, ★★★★★最佳答案 2013-05-18 20:09:23

列出10个相关系数R^2最高的拟合方程，这些方程都能到0.9999高相关度，取一个形式简单的即可，如下：

1.Function: y = p1+p2*Ln(x)+p3*(Ln(x))^2+p4*(Ln(x))^3+p5*(Ln(x))^4+p6*(Ln(x))^5+p7*(Ln(x))^6+p8*(Ln(x))^7+p9*(Ln(x))^8+p10*(Ln(x))^9+p11*(Ln(x))^10
Algorithms: 麦夸特法(Levenberg-Marquardt) + 通用全局优化法
Root of Mean Square Error (RMSE): 0.0816570704464187
Sum of Square Error (SSE): 2.80717628178828
Correlation Coef. (R): 0.999952519401421
R-Square: 0.99990504105725
Determination Coef. (DC): 0.99990504105704

Parameters Name Parameter Value
=============== ===============
p1       104882.177175265
p2       -170072.882367486
p3       41858.0748248411
p4       5855.07829941347
p5       -2064.98454070029
p6       -57.5187050922973
p7       -1.65547534829854
p8       10.0923903851733
p9       -0.051277245249696
p10       -0.244342059686163
p11       0.0176782129053633

2.Function: y = p1+p2*x+p3/Ln(x)+p4/x^0.5+p5/x^2
Algorithms: 麦夸特法(Levenberg-Marquardt) + 通用全局优化法
Root of Mean Square Error (RMSE): 0.0818929502757209
Sum of Square Error (SSE): 2.82341768334678
Correlation Coef. (R): 0.99995224468758
R-Square: 0.999904491655731
Determination Coef. (DC): 0.999904491655731

Parameters Name Parameter Value
=============== ===============
p1       139056.408025523
p2       -8.53609748799606
p3       -1168509.96880985
p4       1215831.33120729
p5       -74638263.833034

3.Function: y = p1+p2*x+p3/Ln(x)+p4/x^0.5+p5*Ln(x)/x^2
Algorithms: 麦夸特法(Levenberg-Marquardt) + 通用全局优化法
Root of Mean Square Error (RMSE): 0.0819040674378914
Sum of Square Error (SSE): 2.82418430666855
Correlation Coef. (R): 0.999952231720598
R-Square: 0.999904465723005
Determination Coef. (DC): 0.999904465723002

Parameters Name Parameter Value
=============== ===============
p1       158206.095651443
p2       -9.24552847545844
p3       -1337991.6917642
p4       1409520.13162155
p5       -19485218.4487566

4.Function: y = p1+p2*x+p3*(Ln(x))^2+p4*Ln(x)/x+p5*Ln(x)/x^2
Algorithms: 麦夸特法(Levenberg-Marquardt) + 通用全局优化法
Root of Mean Square Error (RMSE): 0.103069263313438
Sum of Square Error (SSE): 4.47239794982936
Correlation Coef. (R): 0.999952224862649
R-Square: 0.999904452007761
Determination Coef. (DC): 0.999848711253166

Parameters Name Parameter Value
=============== ===============
p1       -23856.4123261917
p2       -9.5166822779122
p3       630.611936026086
p4       457692.303453987
p5       -23822706.0307153

5.Function: y = p1+p2*x+p3*x^0.5*Ln(x)+p4*Ln(x)/x+p5/x^2
Algorithms: 麦夸特法(Levenberg-Marquardt) + 通用全局优化法
Root of Mean Square Error (RMSE): 0.088522095717737
Sum of Square Error (SSE): 3.29902396213954
Correlation Coef. (R): 0.999952224257904
R-Square: 0.99990445079833
Determination Coef. (DC): 0.999888403222029

Parameters Name Parameter Value
=============== ===============
p1       -8499.42236763435
p2       -17.713721636907
p3       111.174591525206
p4       244694.92650816
p5       -74289419.0906333

6.Function: y = p1+p2*x+p3*x^0.5+p4/x+p5*Ln(x)/x^2
Algorithms: 麦夸特法(Levenberg-Marquardt) + 通用全局优化法
Root of Mean Square Error (RMSE): 0.0938796382387353
Sum of Square Error (SSE): 3.71043570632687
Correlation Coef. (R): 0.999952220269342
R-Square: 0.999904442821587
Determination Coef. (DC): 0.999874486310361

Parameters Name Parameter Value
=============== ===============
p1       -12262.6182444782
p2       -14.3627362170755
p3       783.568521217771
p4       1721369.41889051
p5       -27483015.6528191

7.Function: y = p1+p2*Ln(x)+p3/Ln(x)+p4*(Ln(x))^2+p5/(Ln(x))^2+p6*(Ln(x))^3+p7/(Ln(x))^3+p8*(Ln(x))^4+p9/(Ln(x))^4+p10*(Ln(x))^5
Algorithms: 麦夸特法(Levenberg-Marquardt) + 通用全局优化法
Root of Mean Square Error (RMSE): 0.0819153678857709
Sum of Square Error (SSE): 2.82496367575756
Correlation Coef. (R): 0.999952218538026
R-Square: 0.99990443935912
Determination Coef. (DC): 0.99990443935912

Parameters Name Parameter Value
=============== ===============
p1       -643037.084034645
p2       38.9986995014769
p3       4524064.61458851
p4       -0.520688702667894
p5       -8854121.10254966
p6       1312.95358746647
p7       215.420054660352
p8       -114.696108296773
p9       222.271294032126
p10       0.0952928226364861

8.Function: y = p1+p2*Ln(x)+p3/Ln(x)+p4*(Ln(x))^2+p5/(Ln(x))^2+p6*(Ln(x))^3+p7/(Ln(x))^3+p8*(Ln(x))^4
Algorithms: 麦夸特法(Levenberg-Marquardt) + 通用全局优化法
Root of Mean Square Error (RMSE): 0.0819154627883818
Sum of Square Error (SSE): 2.82497022145444
Correlation Coef. (R): 0.999952218427348
R-Square: 0.999904439137775
Determination Coef. (DC): 0.999904439137697

Parameters Name Parameter Value
=============== ===============
p1       -297.687216527561
p2       -7518.71078893706
p3       -50206.0976817148
p4       -8101.57288160546
p5       4825074.89629612
p6       2150.26094280003
p7       -15466014.2875334
p8       -139.286181651244

9.Function: y = p1+p2*x+p3*(Ln(x))^2+p4*Ln(x)/x+p5/x^2
Algorithms: 麦夸特法(Levenberg-Marquardt) + 通用全局优化法
Root of Mean Square Error (RMSE): 0.0937298793755589
Sum of Square Error (SSE): 3.69860721114562
Correlation Coef. (R): 0.999952213783732
R-Square: 0.999904429850987
Determination Coef. (DC): 0.999874886435357

Parameters Name Parameter Value
=============== ===============
p1       -19039.1963454338
p2       -8.28803860922449
p3       520.04483941951
p4       343609.017628046
p5       -83652096.5281173

10.Function: y = p1+p2*x+p3*x^0.5+p4*Ln(x)/x+p5*Ln(x)/x^2
Algorithms: 麦夸特法(Levenberg-Marquardt) + 通用全局优化法
Root of Mean Square Error (RMSE): 0.0955640457041217
Sum of Square Error (SSE): 3.84477695599391
Correlation Coef. (R): 0.999952213440392
R-Square: 0.99990442916434
Determination Coef. (DC): 0.999869941920631

Parameters Name Parameter Value
=============== ===============
p1       -15081.2801117689
p2       -15.7387786911996
p3       891.516177188911
p4       352116.987909116
p5       -21092486.2844489

附图1.jpg