样条函数插值拟合

类别:    标签: 数理   阅读次数: 876  版权: (CC) BY-NC-SA

2014-02-11 09:26:49

在拟合势能函数的时候, 除解析式外, 也可以利用样条函数进行拟合. 样条拟合与其插值正好相反: 已知函数在节点上的值求任意位置的值, 做插值; 已知函数的某些组合值求函数节点上的值, 属于拟合. 由于样条函数可以化为节点函数值的线性表达式, 这样就可以将待求参数线性化, 得到最优情况下函数的形状, 为寻找合适的解析式提供依据, 当然也可以直接利用得到的离散数据拟合解析式.

样条函数可以是零阶, 一阶, 二阶, 三阶或更高阶. 实际使用中, 三阶使用最为普遍. 由于三次样条的构造需要求解一个三对角线性方程组, 其显式解很难得到, 所以线性化结果很繁琐.

在每一区间上样条函数为常量, 函数整体呈台阶状. 对等距情况, 计算时最好使用就近原则, 取最近点的值作为拟合点, 可用i=nint(x/dx)实现.

在每一区间上样条函数为线性函数, 函数整体呈折线状.

fi(x)=yi+yi+1yiΔx(xxi)

此式自动满足函数值连续条件, 即零阶连续.

在每一区间上, 样条函数为二次函数, 整体一阶连续, 即有连续的导数. 但仅有节点的函数值不能唯一确定整个函数, 还须提供某一节点上的导数值, 一般可令端点的导数值为零. 二次样条函数在偶数点的曲率不连续. 由二阶开始, 插值函数不再具有局域性, 改变某一节点, 函数整体都会改变. 使得线性系数分离很困难.

fi(x)=yi+ki(xxi)+ki+1ki2Δx(xxi)2ki+1=ki+2yi+1yiΔx,ki=2yi+1yiΔxki+1

可化简得

fi(x)=yi+ki(xxi)+(yi+1yikiΔx)(xxiΔx)2=α2yi+1+(1α2)yi+(1α)ωkiα=ω/Δx,ω=xxi

对势能函数, 一般满足远距离处导数为零, 故可使用自然条件 kn=0 , 由此, 可推知所有系数 ki .

ki=2ΔxTi,Δi=yi+1yi, 则 Ti 满足递推式

Ti=ΔiTi+1

可求得

Ti=n1j=i(1)jiΔj

样条函数可写为

fi(x)=α2yi+1+(1α2)yi+2α(1α)Ti,α=(xxi)/Δx

对不等距划分, 令 Δi=yi+1yixi+1xi, ki 满足如下递推式

ki=2Δiki+1

求得

ki=2n1j=i(1)jiΔj

对等距划分的均匀样条, 设节点为 1,2,.n, 若 x[xi,xi+1],a=xxi,b=xi+1x,a+b=h=Δx, 则

6hfi(x)=6(ayi+1+byi)+a(a2h2)Mi+1+b(b2h2)Mi

Mi 为节点的二阶导数, 对应于力学上的弯矩, 满足下面的方程

Mi+4Mi+1+Mi+2=di+1=6h2(yi+22yi+1+yi),i=1,2...n2

要求的 Mi 个数为 n, 而对应的方程数目为 n2, 故还需两个边界条件才能唯一确定, 边界条件可取为两端点的导数值或是二阶导数值. 常用的自然边界条件指 M1=Mn=0. 加上边界条件后便可求得 M2,M3,...Mn1

Mi 满足的方程为

0+4M2+M3=d2M2+4M3+M4=d3M3+4M4+M5=d4Mn3+4Mn2+Mn1=dn2Mn2+4Mn1+0=dn1

写为矩阵形式

[410141141014][M2M3Mn2Mn1]=[d2d3dn2dn1]

可见, 此方程为三对角方程组, 对角占优, 存在唯一解, 可利用所谓的追赶法求解. 中文常称的追赶法, 是Thomas方法的形象翻译. 大致求解过程分为两步:

  1. 追: 利用消元法将原方程化为二对角方程, 向前递推, 使系数矩阵主对角线变为1. 由第一个方程, 得到 M2M3 的关系, 将其带入第二个方程, 消去主对角线下方系数. 以此进行, 最终追到 Mn1, 得到其解. 变换后, 其方程为

    [1A2001A301An2001][M2M3Mn2Mn1]=[D2D3Dn2Dn1]
  2. 赶: Mn1 已经追得, 然后由此倒推, 得到其他 Mi 值.

对上面的方程, 由于系数是固定的, Thomas方法的递推式为

A2=14,Ai=14Ai1D2=A2d2,Di=Ai(diDi1)Mn1=Dn1,Mi=DiAiMi+1

Ai, 可求得其通式

Ai=23ti+1ti1,t=(2+3)2

Di, 向后递推至 D2, 一般项可写为

Dj=jk=2(1)jkPjkdk

Mi, 向前递推至 Mn1, 一般项可写为

Mi=n1j=i(1)jiPj1iDj

综合上面两个结果, 得到

Mi=n1j=ijk=2(1)2jikPj1iPjkdk=n1j=ijk=2(1)i+kPj1iPjkdk,i=2,3,...n1Pnm=nl=mAl=AmAm+1An1An,n>m

根据插值公式

dk=6h2(yk+12yk+yk1)6hfi(x)=6(αyi+1+βyi)+α(α2h2)Mi+1+β(β2h2)Mi

以划分间距 h 为单位, 约化上述公式

fi(x)=αyi+1+βyi+α(α21)μi+1+β(β21)μiα=ah,β=bh=1α,μi=Mi6/h2

由此可见, 虽然三次样条函数仍可写为节点值的线性形式, 但其系数十分复杂.

上面公式看起来清楚, 但是实际计算时需要计算 MiMi+1, 两个三重循环, 整体计算量为 O(N3). 利用 Ai 的近似关系和 Mi 的递推关系可以将公式的计算量减少一些.

fi(x)=αyi+1+βyi+α(α21)μi+1+β(β21)μi=αyi+1+βyi+β(β21)Di+[α(α21)β(β21)Ai]μi+1

对不等距划分, 上面的递推公式太过复杂, 很难写出一般项了. 样条函数可写为

fi(x)=ayi+1+byihi+a(a2h2)Mi+1+b(b2h2)Mi6hihi=xi+1xi,a=xxi,b=hia

Mi 满足方程

hiMi+2(hi+hi+1)Mi+1+hi+1Mi+2=6(yi+2yi+1hi+1yi+1yihi),i=1,2,,n2

代码及测试测试结果

awk实现的代码如下

# Language: bash
awk ' BEGIN{ Ndat=0 }
NF==3 { Ndat++; X[Ndat]=$2; Y[Ndat]=$3 }

END {
    for(i=1; i<Ndat; i++) dX[i]=X[i+1]-X[i]
    for(i=2; i<Ndat; i++) d[i]=6*( (Y[i+1]-Y[i])/dX[i] - (Y[i]-Y[i-1])/dX[i-1] )

    A[1]=0; A[Ndat]=0
    D[1]=0; D[Ndat]=0
    for(i=2; i<=Ndat-1; i++) {
        ai=dX[i-1]
        bi=2*(dX[i-1]+dX[i])
        ci=dX[i]
        A[i]=ci/(bi-ai*A[i-1])
        D[i]=(d[i]-ai*D[i-1])*A[i]/ci
    }
    M[Ndat]=0
    for(i=Ndat-1; i>1; i--) M[i]=D[i]-A[i]*M[i+1]

    # for(i=1; i<=Ndat; i++) print i, dX[i], d[i], A[i], D[i], M[i]
    h=X[2]-X[1]
    for(x=X[1]; x<X[Ndat]; x+=.1*h) print x, SP2(x, 0, Ndat, X, Y, dX), SP3(x, 0, Ndat, X, Y, dX, M)
}

function SP2(x, i, Ndat, X, Y, dX,      j,a,ki) {
    if(i==0) {
        for(i=1; i<Ndat; i++) if(X[i+1]>x) break
    }
    ki=0
    for(j=i; j<=Ndat-1; j++) ki += 2*(-1)^(j-i)*(Y[j+1]-Y[j])/dX[j]

    a=(x-X[i])/dX[i]
    return a^2*Y[i+1]+(1-a^2)*Y[i]+(1-a)*ki*(x-X[i])
}
#
function SP3(x, i, Ndat, X, Y, dX, M,       a,b,h) {
    if(i==0) {
        for(i=1; i<Ndat; i++) if(X[i+1]>x) break
    }
    h=dX[i]
    a=x-X[i]; b=h-a
    return (a*Y[i+1]+b*Y[i])/h + ( a*(a^2-h^2)*M[i+1]+b*(b^2-h^2)*M[i] )/(6*h)
}
#
function Psp3(Ndat,     i,j,k,a) {
    a=(2+sqrt(3))^2
    for(i=2; i<Ndat; i++) {
        for(j=i; j<Ndat; j++) {
            P[i,j]=1
            for(k=i; k<=j; k++) P[i,j] *= 2-sqrt(3)*(a^k+1)/(a^k-1)
        }
    }
}
#
function uniSP3(x, i, Ndat, X, Y,       j,k,a,b,h) {
    if(i==0) {
        for(i=1; i<Ndat; i++) if(X[i+1]>x) break
    }

    h=X[2]-X[1]
    a=(x-X[i])/h; b=1-a

    for(j=1; j<=Ndat; j++) Coef[j]=0

    Coef[i]   += b
    Coef[i+1] += a

    Rsec=b*(b^2-1)
    for(k=2; k<=i; k++) {
        Rtmp=Rsec * (-1)^(i-k) * P[k,i]
        Coef[k+1] +=    Rtmp
        Coef[k]   += -2*Rtmp
        Coef[k-1] +=    Rtmp
    }

    Rsec=a*(a^2-1)-b*(b^2-1)*P[i,i]
    for(j=i+1; j<=Ndat-1; j++) {
        Rij=Rsec * (-1)^(i+1)
        if(j!=i+1) Rij *= P[i+1,j-1]
        for(k=2; k<=j; k++) {
            Rtmp=Rij * (-1)^k * P[k,j]
            Coef[k+1] +=    Rtmp
            Coef[k]   += -2*Rtmp
            Coef[k-1] +=    Rtmp
        }
    }

    F=0
    for(j=1; j<=Ndat; j++) F += Coef[j]*Y[j]

    return F #( a*Y[i+1]+b*Y[i] + a*(a^2-1)*Mi(i+1, Ndat) + b*(b^2-1)*Mi(i, Ndat) )
}
#
function Mi(i, Ndat,        j,k,Rtmp,ret) {
    ret=0
    for(j=i; j<=Ndat-1; j++) {
        Rtmp=(-1)^i
        if(j!=i) Rtmp *= P[i,j-1]
        for(k=2; k<=j; k++)
            ret += Rtmp*(-1)^k*P[k,j] *d[k]
    }
    return ret
}

' ABS >ABS.sp
# ' CUB  > CUB.sp
#' LJ  >LJ.sp

利用Matlab的csape函数可以进行三次样条函数的插值, 示例代码如下

# Language: clike
format long

x=1:0.02:15;
y=-1E3*(-12./x.^13+6./x.^7);

pp=csape(x,y,'second',[0,0]);
pp=csape(x,y);
xsp=1:0.01:1.5;
ysp=ppval(pp,xsp);
yst=-1E3*(-12./xsp.^13+6./xsp.^7);

plot(x,y,'o',xsp,ysp,'-',xsp,yst,'-')
axis([1 1.5 -600 600])

FID=fopen('LJ.mat', 'w');
Ndat=length(xsp);
for i=1:Ndat
    fprintf(FID, '%f %f\n', xsp(i), ysp(i));
end

几个测试函数的结果

样条函数的积分

对已经拟合的样条函数进行数值积分时可利用可利用Simpson方法. Simpson方法具有三阶精度, 对不超过三次的多项式精确成立, 很适合于二次和三次样条函数.

◆本文地址: https://jerkwin.github.io/2014/02/11/样条函数插值拟合/, 转载请注明◆
◆评论问题: https://jerkwin.herokuapp.com/category/3/博客, 欢迎留言◆


前一篇: 蒙
后一篇: gnuplot直接数据作图

访问人次(2015年7月 9日起): 2245814 | 最后更新: 2025-03-26 07:35:47 UTC | 版权所有 © 2008 - 2025 Jerkwin