carryme2015
你的提问中杂揉了两种提高积分精度的方法:1 细分区间即复化求积,2 提高积分阶次。二者的直接效果都是增加了积分点数,但是原理并不一致。Simpson公式是二阶积分公式,这就确定了它必然是抛物线型的,那么只能通过细分区间来增加积分点:把当前区间分成小区间,然后在各个子区间分别使用Simpson公式,最后全部相加。也就是你其他两个提问里问到的公式。而你所认为的增加积分点改变了近似曲线的形式,这是增加了阶次。相应地,这个公式也就不再是Simpson公式了。当然,这个曲线还是可以求的,参考newton-cotes公式中插值公式的构造方法。
小石在青岛
你在MATLAB命令窗口输入help toolbox看能不能找到cuvfit的链接,我记不太清楚了,cuvfit的意思就是曲线拟合。你查看一下cuvfit这个命令的用法。你也可以直接在MATLAB命令窗口中输入cuvfit然后它会打开一个曲线拟合工具箱,它里面有各种拟合曲线可供选择,你自己慢慢尝试吧,如果你能看懂上面的英文还是很好用的。希望你自己可以尝试解决,很简单的。
小白黄条条猫
1、首先打开Origin ,输入待处理的数据,并绘制出数据的散点图。
2、打开annlysis -> Fitting -> Nonlinear Curve Fit -> Opea Dialog 非线性曲线拟合函数对话框。
3、点击,制作并编辑函数。
4、新建自定义函数文件夹和函数。当然也可以把自定义的函数放入 Origin 内置的函数文件夹中。
5、编辑所需要的函数。图中有一些对特定项的描述。
6、这时生成函数。
7、返回到拟合函数列表,找到自己自定义的函数,开始进行拟合,如下图所示就完成了。
情流感920
可以利用拟合工具cftool,选择拟合曲线类型。以下是多项式拟合后的结果: f(x) = p1*x^6 + p2*x^5 + p3*x^4 + p4*x^3 + p5*x^2 + p6*x + p7Coefficients (with 95% confidence bounds): p1 = -5.1e-023 (-3.743e-022, 2.723e-022) p2 = 4.334e-019 (-1.021e-018, 1.888e-018) p3 = -1.383e-015 (-3.83e-015, 1.064e-015) p4 = 2.187e-012 (2.692e-013, 4.104e-012) p5 = -1.874e-009 (-2.581e-009, -1.167e-009) p6 = 9.104e-007 (8.015e-007, 1.019e-006) p7 = -2.259e-005 (-2.756e-005, -1.762e-005)Goodness of fit: SSE: 8.865e-011 R-square: 0.9993 Adjusted R-square: 0.999 RMSE: 2.219e-006