24小时热门版块排行榜    

查看: 508  |  回复: 1

wenmingwmwmw

银虫 (正式写手)

[求助] 一个非线性拟合,谁能帮我用1stopt拟合一下?

拟合函数:y=A*B*x/x(0)*(1+(1+B^2)*(x/x(0))^2)/((1-(1+B^2)*(x/x(0))^2)+4*B^2*(x/x(0))^2);
其中:A,B,x(0)为待拟合的数值,均为实数。x(0)值为2左右,B小于1大于0。
x,y的实验数据在文件中。
在此先谢过了!~
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 : 新建_Microsoft_Excel_工作表.xlsx
  • 2013-11-06 21:39:47, 12.34 K

» 猜你喜欢

» 本主题相关价值贴推荐,对您同样有帮助:

已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

tieer

木虫 (正式写手)

【答案】应助回帖

★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★
感谢参与,应助指数 +1
wenmingwmwmw: 金币+30, 有帮助, 谢谢了,我用matlab算出来了! 2013-11-07 19:05:00
这个函数拟合你的数据,可信度有限,
CODE:
Variable x,y;
Parameter A,B=[0,1],x0=[1.9,2.1];
Function y=A*B*x/x0*(1+(1+B^2)*(x/x0)^2)/((1-(1+B^2)*(x/x0)^2)+4*B^2*(x/x0)^2);
Data;

迭代数: 116
计算用时(时:分:秒:微秒): 00:01:26:727
优化算法: 麦夸特法(Levenberg-Marquardt) + 通用全局优化法
计算结束原因: 达到收敛判断标准
均方差(RMSE): 0.0966850506174034
残差平方和(SSE): 1.87894780159086
相关系数(R): 0.160491802258736
相关系数之平方(R^2): 0.0257576185922573
决定系数(DC): -0.44273395906589
卡方系数(Chi-Square): 7.92847468507875
F统计(F-Statistic): 5.2612842529522

参数        最佳估算
----------        -------------
A                  -9302.03056354405
B                  1.41392554280382E-6
x0                 1.93116007523971

====== 结果输出 =====

No        实测值y        计算值y
1        0.26        0.3890447
2        0.25        0.2340690
3        0.23        0.1710375
4        0.26        0.1369300
5        0.23        0.1156092
6        0.31        0.1010603
7        0.24        0.0905301
8        0.23        0.0825799
9        0.24        0.0763847
10        0.24        0.0714375
11        0.28        0.0674096
12        0.23        0.0640786
13        0.24        0.0612883
14        0.25        0.0589262
15        0.24        0.0569090
16        0.25        0.0551737
17        0.28        0.0536719
18        0.24        0.0523655
19        0.26        0.0512244
20        0.25        0.0502245
21        0.23        0.0493461
22        0.26        0.0485729
23        0.24        0.0478917
24        0.25        0.0472911
25        0.25        0.0467617
26        0.26        0.0462956
27        0.26        0.0458858
28        0.26        0.0455265
29        0.23        0.0452125
30        0.23        0.0449395
31        0.23        0.0447036
32        0.22        0.0445014
33        0.21        0.0443300
34        0.23        0.0441867
35        0.23        0.0440691
36        0.23        0.0439752
37        0.22        0.0439031
38        0.21        0.0438511
39        0.18        0.0438178
40        0.19        0.0438018
41        0.22        0.0438019
42        0.18        0.0438169
43        0.18        0.0438459
44        0.2        0.0438879
45        0.18        0.0439421
46        0.2        0.0440077
47        0.17        0.0440841
48        0.16        0.0441705
49        0.15        0.0442665
50        0.15        0.0443713
51        0.16        0.0444846
52        0.16        0.0446059
53        0.15        0.0447348
54        0.15        0.0448707
55        0.15        0.0450135
56        0.12        0.0451626
57        0.14        0.0453179
58        0.13        0.0454789
59        0.12        0.0456455
60        0.11        0.0458173
61        0.11        0.0459941
62        0.12        0.0461757
63        0.1        0.0463619
64        0.1        0.0465524
65        0.09        0.0467471
66        0.09        0.0469457
67        0.07        0.0471482
68        0.07        0.0473544
69        0.08        0.0475640
70        0.08        0.0477770
71        0.06        0.0479933
72        0.06        0.0482126
73        0.06        0.0484350
74        0.07        0.0486602
75        0.07        0.0488882
76        0.07        0.0491188
77        0.07        0.0493520
78        0.06        0.0495876
79        0.07        0.0498257
80        0.05        0.0500660
81        0.06        0.0503085
82        0.05        0.0505532
83        0.06        0.0508000
84        0.05        0.0510487
85        0.05        0.0512994
86        0.05        0.0515520
87        0.05        0.0518064
88        0.05        0.0520625
89        0.04        0.0523203
90        0.05        0.0525797
91        0.06        0.0528408
92        0.05        0.0531034
93        0.04        0.0533675
94        0.04        0.0536330
95        0.06        0.0538999
96        0.04        0.0541683
97        0.05        0.0544379
98        0.04        0.0547088
99        0.05        0.0549810
100        0.05        0.0552545
101        0.04        0.0555291
102        0.06        0.0561372
103        0.05        0.0567506
104        0.05        0.0573689
105        0.04        0.0579920
106        0.06        0.0586194
107        0.04        0.0592511
108        0.06        0.0598867
109        0.05        0.0605261
110        0.05        0.0611690
111        0.04        0.0618154
112        0.05        0.0624649
113        0.04        0.0631176
114        0.05        0.0637731
115        0.04        0.0644315
116        0.05        0.0650925
117        0.04        0.0657561
118        0.05        0.0664221
119        0.05        0.0670904
120        0.04        0.0677610
121        0.05        0.0684337
122        0.04        0.0691085
123        0.04        0.0697852
124        0.04        0.0704638
125        0.04        0.0711442
126        0.05        0.0718263
127        0.04        0.0725101
128        0.05        0.0731956
129        0.05        0.0738825
130        0.06        0.0745710
131        0.05        0.0752609
132        0.06        0.0759522
133        0.05        0.0766448
134        0.06        0.0773387
135        0.05        0.0780338
136        0.04        0.0787302
137        0.04        0.0794277
138        0.04        0.0801264
139        0.04        0.0808261
140        0.04        0.0815268
141        0.04        0.0822286
142        0.05        0.0829314
143        0.06        0.0836351
144        0.06        0.0843398
145        0.06        0.0850453
146        0.06        0.0857517
147        0.06        0.0864590
148        0.06        0.0871670
149        0.05        0.0878759
150        0.05        0.0885855
151        0.07        0.0892959
152        0.06        0.0900070
153        0.06        0.0907188
154        0.06        0.0914313
155        0.05        0.0921444
156        0.06        0.0928582
157        0.06        0.0935727
158        0.06        0.0942877
159        0.06        0.0950034
160        0.06        0.0957196
161        0.06        0.0964364
162        0.05        0.0971537
163        0.05        0.0978716
164        0.05        0.0985900
165        0.05        0.0993089
166        0.05        0.1000283
167        0.05        0.1007482
168        0.05        0.1014685
169        0.04        0.1021894
170        0.05        0.1029106
171        0.04        0.1036324
172        0.05        0.1043545
173        0.04        0.1050771
174        0.05        0.1058000
175        0.04        0.1065234
176        0.04        0.1072472
177        0.04        0.1079713
178        0.04        0.1086958
179        0.03        0.1094207
180        0.04        0.1101459
181        0.04        0.1108715
182        0.04        0.1115974
183        0.03        0.1123237
184        0.04        0.1130503
185        0.03        0.1137772
186        0.04        0.1145044
187        0.03        0.1152319
188        0.04        0.1159597
189        0.02        0.1166878
190        0.03        0.1174162
191        0.02        0.1181449
192        0.03        0.1188739
193        0.02        0.1196031
194        0.03        0.1203326
195        0.01        0.1210623
196        0.02        0.1217923
197        0.01        0.1225226
198        0.02        0.1232531
199        0        0.1239838
200        0.01        0.1247148
201        0        0.1254460
思考,让这个世界更有趣。
2楼2013-11-07 08:53:38
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 wenmingwmwmw 的主题更新
信息提示
请填处理意见