lsqcurvefit 拟合

kekek

对于代码画出来的图如何使用lsqcurvefit 拟合？代码中c为X轴，FF为y轴
! F4 S' \4 N$ X! W' l+ y1 q function FF0dian_TDdyTC
8 Q2 P4 ]# p5 w  m& ^! @3 Z' nclc
! a& ^0 q) Y% i0 u3 |* F6 t* ^1 r& dTC=283:367;
% 0.025<vaDaRE<14  0.3<eps<0.55  0.29<dtad0<0.7  32<活化能<42  Co=UDa/eps
VADARE=14;
EPS=0.55;dtad0=0.29;UDA=10*EPS;
2 Y9 u, |0 t- T+ pRH=1;Y=36;
- E5 E4 i1 u, N& A/ ~% q5 OTR=300;TD=TC;
YD=TD/TR;
# |% p9 D- }$ m. j+ Gfor i=1:85
# _8 Y( q# D9 p1 y) ~9 O" j4 t/ ]start_t=0;end_t=2;
; N. E8 @/ q& O3 C8 D: L' A0 woptions=odeset('RelTol',1e-8,'AbsTol',[1e-9 1e-9]);
( T, D' _, P, m' f( w[T,y]=ode45(@SBR1,[start_t end_t],[0,277/300],options,TC(i));
$ g; ~' H$ I7 Q  W  y8 t% u9 Ga=max(y(:,2));
% w8 Z& D: L! y) R5 @b=y(:,2)==a;
( j5 n/ v( L* B$ V$ Rc=TC(i)./TR;
& r" V" ?/ |/ iT(b);
if T(b)<=1
* y% D8 b( ?, a     YTA=c+1.05*dtad0/(UDA*(1+EPS*T(b))+EPS*RH);
     FF(i)=a-YTA;
else
     YTA=c+1.05*dtad0/(UDA*(1+EPS)+EPS*RH);
3 X% H) L* D( R1 V* a     FF(i)=a-YTA;
: y6 b; u2 H3 F) B  K; f" e end
2 c1 S7 p7 _% P/ H' \% fend
6 A- |" `0 z: p1 }; \9 t# d1 H$ K6 }figure;
plot(TC/TR,FF,'.');hold on
end
; j. M# Y  u) i" _/ R9 x- f# q& z
function dy= SBR1(t,y,TC)
dy=zeros(2,1);
VADARE=14;
) Y9 N5 ~8 _, a7 l9 |5 X) C% [; lEPS=0.55;dtad0=0.29;UDA=10*EPS;
' ~" a6 o5 a0 z/ eRH=1;Y=36;
TR=300;TD=TC; YD=TD/TR;
if t<=1
  T; B* N/ U9 O  t    YCE=((UDA*(1+EPS*t)*TC+RH*EPS*TD)/(UDA*(1+EPS*t)+RH*EPS))/TR;
    dy(1) = VADARE*(t-y(1))*(1-y(1))*exp(Y*(1-1/y(2)));
$ b' S4 D* I* e2 ~    dy(2) = ((dtad0*dy(1)-(UDA*(1+EPS*t)+RH*EPS)*(y(2)-YCE)))/(1+RH*EPS*t);
3 W' W8 p* ?$ [% P3 \0 N% g# Kend
if t>1
' @1 t9 P# f! i" c5 `  y$ {   YCE=((UDA*(1+EPS)*TC+RH*EPS*TD)/(UDA*(1+EPS)+RH*EPS))/TR;
" ?$ P7 M: u1 W6 `- U   dy(1) = VADARE*(1-y(1))*(1-y(1))*exp(Y*(1-1/y(2)));
   dy(2) = ((dtad0*dy(1)-(UDA*(1+EPS)+RH*EPS)*(y(2)-YCE)))/(1+RH*EPS);
3 H6 e- a2 b1 o' z3 X& Send
/ s- y6 P- A4 @+ Send

, H) a: c8 H( T5 j! L3 X( V
- o1 ]. x" n. g/ b

小白的白

帮你顶一下

Uifhjvv

请把待拟合的数据、哪些是待拟合参数等等都给出

pTDbn25

所谓拟合，指的是已知形如 Output_Y = Function( Input_X, Parameters_C ) 这样的函数关系（其中Input_X为实验的若干控制变量，同时也是函数的输入；Parameters_C为待拟合参数；Output_Y为实验结果，同时也是函数的输出），给出Input_X与Output_Y 作为已知，求一组合适的Parameters_C数值使模型Function产生的误差最小。

最简单的例子，已知模型：电压U = 电阻R * 电流I，且不知道接在某简单电路上的电阻到底是多大。那么通过若干组实验，以电流I为输入（比如调整滑动变阻器来控制该电路中的电流数值），同时测量这个电阻两端的电压U作为输出，通过这若干组U与I的数值，可以估计出一个满足模型的电阻R值。控制输入I、测量输出U、以此二者来估计参数R。
, f$ y4 H5 N0 `, T' D0 C/ N