你好
对不起我没有曲线拟合工具箱,但这样一个简单的适应与fminsearch可以轻松完成
不变的你正在寻找
a_sol = 3.5829 e + 10
清晰;
x = 1.0 e-08 * [0
0.0430
0.0770
0.1061
0.1309
0.1522
0.1705
0.1918
0.2123
0.2302
0.2471
0.2611
0.2743
0.2852
0.2962
0.3064
0.3170
0.3271
0.3386
0.3484
0.3609
0.3715
0.3801
0.3789);
y = 1.0 e-05 * [0
0.0008
0.0031
0.0063
0.0107
0.0159
0.0214
0.0263
0.0315
0.0372
0.0432
0.0498
0.0564
0.0631
0.0698
0.0769
0.0839
0.0910
0.0979
0.1054
0.1124
0.1199
0.1275
0.1347);
const = 4/3。* (10 ^ (9) * 10)。^ 0.5;
%方程模型y = x *常量* ^ (3/2)
f = @ (a, x)(*常量* x。^ (3/2));
obj_fun = @ (params)规范(f (params (1), x - y);
% IC猜
a_ic = (y(结束)/ (const * x(结束)。^ (3/2)))
索尔= fminsearch (obj_fun a_ic);
a_sol =索尔(1)
y_fit = f (a_sol x);
Rsquared = my_Rsquared_coeff (y, y_fit);%相关系数
图(1)
情节(x, y,“路”,x, y_fit“b -”);
标题([的权力配合/ R²= 'num2str (Rsquared)),“字形大小”15)
ylabel (“y”,“字形大小”14)
包含(“x”,“字形大小”14)
% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % %
函数data_fit Rsquared = my_Rsquared_coeff(数据)
% R²相关系数计算
%的总平方和
sum_of_squares =总和((数据表示(数据))^ 2);
%的残差平方和,也称为残差平方和:
sum_of_squares_of_residuals = ((data-data_fit) ^ 2)总和;
%定义的相关系数
Rsquared = 1 - sum_of_squares_of_residuals / sum_of_squares;
结束
