获取篇: matlab等高线的数据
contour(x,y,z,v )调用向量v的所有值处的z等高线,如果只想绘制I处的z等高线,则调用contour(x,y,z,[i,i] )。 如果没有图形,请尝试contour3。
另外,在想得到某等高线中的具体数据的情况下,使用[c,h]=contour(X,y,z,[i,I ] )。 在此,c中包含等高线的信息,即Z=i处的xdata向量和ydata向量。 直接调用c就可以了,通常xdata和ydata向量太长,显示时用段显示的dim1、dim2.表示下一段显示的[xdata,ydata]的长度。 如下所示。
c=[value1xdata(1) xdata (2)…value2xdata) xdata )…;
dim1y数据(1) y数据(2)…dim 2y数据(1) y数据……]
为了便于查看,调用c '更容易理解。
另外,读取其中一个matlab的fig映射的数据的方法如下。
open (d :design _ softworkw=60.fig ); 打开%图
ih=findall(GCA,' type ',' line ' ); 获取%曲线的句柄
xc=get(ih,' xdata ';
YC=get(ih,' ydata ';
注意: contour(z ) draws acontour plot of matrix Z, wherezisinterpretedasheightswithrespecttothex-y plane.zmustbeatleasta2- by-2 matrix.thenumberofcontourlevelsandthevaluelueasta allybasedontheminimumandmaximumvaluesofz.therangesofthex-Andy-axis are [ 13360 n ] and [ 13360 n ]因此在调用时:
i=1;
for a4=-a:delta:a
k=1;
for a5=-b:delta:b
f(I,k )=int0) a4,a5 ); 为%2维矩阵f赋值,并调用int0函数
k=k 1;
结束
i=i 1;
结束
A4=-A:三角洲:A;
A5=-B:三角洲:B;
网格(a4,a5 ); % mesh网格生成(a4,a5 )网格
[c,h]=contour3(a4,a5,f ',[ 0,0 ]; 请旋转f以匹配%meshgrid(a4,a5 )!
篇二:数据曲线拟合与MATLAB的实现
淡淡的荷包蛋
摘要:本文介绍了数学建模和数据曲线拟合的原理方法,给出了非线性曲线拟合最axdld乘法的MATLAB实现过程,解决了医学实际问题——给药方案制定问题。
关键词:曲线拟合; 最大axdld次幂; 用药方案
abstract 3360 thispaperintroducesthemathematicalmodelanddatafittingprinciplemethod, andgivesthenonlinearcurvefittingbyleastsquaremethodintheprocessofmatlabimplementation,solvesapracticalmedicalproblems-deli
Key words:curve fitting; 最后质量; 文档分类
许多科学实验、工程数学往往需要确定一个变量依赖于另一个变量的关系,即函数。 但实际上在确定函数的形式(线性形式、乘法形式、幂指形式或其他形式)时往往没有事先依据。 只能根据收集到的实际数据实验几种理论形式,从中选择最适合相关数据,即最有可能反映实际问题的函数形式。 介绍用MATLAB求解曲线拟合的实际问题。
一、曲线拟合最axdld乘法
基本思路:科学实验有一组实验数据(xi,yi ),I=1,2,…,m,给出一个函数f(x )=a1f1(x ) a2f2(x ) … amfm(x ) x ) 这不仅仅是数学问题,还与所研究问题的运动规律和得到的观测数据有关。 通常,根据问题的运动规则和给出的数据进行跟踪,决定f(x )的形式,在实际计算中选择好的结果。
二. MATLAB要求
解过程在最axdld乘法拟合中,若要寻求的函数f(x)是任意的非线性函数,则称为非线性最axdld乘拟合。MATLAB6?3的优化工具箱中提供了求非线性最axdld乘拟合函数:lsqcurvefit。使用这个命令时,要先建立M-文件fun?m,在其中定义函数F(x)。
设已经xdata=(xdata1,xdata2,…,xdatan),ydata=(ydata1,ydata2,…,ydatan),lsqcurvefit用以求参量x(向量)的向量值函数:
F(x,xdata)=(F(x,xdata1),…,F(x,xdatan))T中的参变量x(向量),使得
∑ni=1(F(x,xdatai)-ydata)2最小
输入格式为:x=lsqcurvefit(‘fun’,x0,xdata,ydata)
输出目标函数值格式:f=fun(x,xdata),其中x0为迭代的初值。
实 例 给药方案制定问题:一种新药用于临床之前,必须设计给药方案。在快速静脉注射的给药方式下,所谓给药方案是指:每次注射计量多大,间隔时间多长。药物进入机体后血液输送到全身,在这个全过程中不断地被吸收、分布、代谢,最终排出体外,药物在血液中的浓度,即单位体积血液中的药物含量,称为血药浓度。在最简单的一室模型中,将整个机体看作一个房室,称中心室,室内血药浓度是均匀的。快速静脉注射后,浓度立即上升;然后迅速下降;当浓度太低时,达不到预期的治疗效果;当浓度太高,又可能导致药物中毒或副作用太大。临床上,每种药物有一个最小有效浓度c1和一个最大有效浓度c2.设计给药方案时,要使血液浓度保持在c1-c2之间。本题c1=10,c2=25(ug/ml)。
通过实验,对某人用快速静脉注射方式一次注入该药物300mg后,在一定时刻t(h)采集血药,测得血药浓度c(ug/ml)如下表:
解: 问题分析:要设计给药方案,必须知道给药后血药浓度随时间变化的规律。
在半对数坐标中做出t与c的关系图(如右下图),此图说明血药浓度数据符合负指数变化规律。
1.求血药浓度变化规律
假设:(1)机体看作一个房室,室内血药浓度均匀――一室模型。
([]2)药物排除速率与血药浓度成正比,比例系数k(>0)。
(3)血液容积为v,t=0时注射剂量为d,则t=0血药浓度为d/v。
由假设(2)得: dcdt=-kc
由假设(3)得:c(0)=d/v
解微分方程:dcdt=-kc
c(0)=d/v
得:c(t)=dve-kt
在此,d=300mg,t及c(t)在某些点处的值见前表,下面通过拟合求出参数k,v用非线性最axdld乘拟合c(t)--用lsqcurvefit函数。
(1)先用M-文件curvefun3?m定义函数
Function f=curvefun3(x,tdata)
d=300
f=(x(1)\d)*exp(-x(2)*tdata) %x(1)=v;x(2)=k
(2)再编写主程序lihe2?m
Clear
tdata=[0?25 0?5 1 1?5 2 3 4 6 8];
cdata=[19?21 18?15 15?36 14?10 12?89 9?32 7?45 5?24 3?01];
x0=[10,0?5];
x=lsqcurvefit(‘curvefun3’,x0,tdata,cdata);
f=curvefun3(x,tdata)
x
计算结果:k=0?2420(1/h),v=14?8212(L).
2.制定给药方案
假设:(1)设每次注射剂量D,间隔时间。(2)血药浓度c(t)应c1≤c(t)≤c2。(3)初次剂量D0应加大。给药方案记为:D0,D,τ,则:
(1) D0=vc2,D=v(c2-c1)
(2) c1=c2e-kτ?τ=1klnc2c1
将c1=10, c2=25, k=0?2347, v=15?02代人(1)(2)计算得:
D0=375?5,D=225?3,τ=3?9
故可制定给药方案:D0=375(mg),D=225(mg),τ=4(h)即首次注射375mg,其余每次注射225mg,注射的间隔时间 为4h.(作者单位:江西城市职业学院)
参考文献
[1] ggdjy,qsdhy,温柔的发箍.数值计算方法和算法[M].北京:科学出版社,2002。
[2] cxdmla. MATLAB基础及应用[M].北京:机械工业出版社, 2003。
[3] kwdnm 王能超 易大义 数值分析(第4版) 清华大学出版社,2005。
[4] 可爱的天空 ,数学实验,高等教育出版社,1999。