matlab 求拟合函数

数据就是时间序列：

2459.40
2459.90
2453.70
2454.90
2453.80
2452.80
2452.20
2458.90
2458.30
2456.70
2457.80
2458.40
2459.30
2456.80
2459.80
2461.90
2475.30
2473.90
2474.40
2466.40
2463.60
2461.10
2461.40
2461.60
2458.80
2459.80
2456.80
2460.80
2462.60
2462.20
2462.50
2456.60
2459.10
2459.70
2461.00
2466.70
2467.20
2465.20
2467.20
2461.30
2461.50
2460.00
2460.90
2462.10
2457.90
2458.00
2455.40
2456.00
2459.50
2458.90
2461.70
2461.80
2462.50
2463.60
2462.90
2460.90
2461.10
2461.30
2463.00
2463.20
2463.60
2467.50
2469.50
2464.70
2457.90
2456.40
2455.60

只有数据 没有任何可参考公式或函数。 求能最大化拟合的函数算法 代码。

这只是前八个数的程序 你自己把剩下的数据加上
x=[1:8];
y=[2459.40,2459.90,2453.70,2454.90,2453.80,2452.80,2452.20,2458.90];
p=polyfit(x,y,2)

最后曲线集合结果
y=0.4595-4.6810*x+0.002465*x^2

另外还有其他拟合方法 你百度百科搜 稳健拟合
那个是我创建的

曲线拟合的例题 1、 关于y=f(x)有一些观测数据 x=-2*pi:0.1*pi:2*pi,时 相应的函数值为 y =[ 0.0000 0.8726 1.3803 1.3876 1.0490 0.6667 0.4612 0.4365 0.4293 0.2848 -0.0000 -0.2848 -0.4293 -0.4365 -0.4612 -0.6667 -1.0490 -1.3876 -1.3803 -0.8726 0 0.8726 1.3803 1.3876 1.0490 0.6667 0.4612 0.4365 0.4293 0.2848 0.0000 -0.2848 -0.4293 -0.4365 -0.4612 -0.6667 -1.0490 -1.3876 -1.3803 -0.8726 -0.0000 ]; 2、 通过plot(x,y)绘图 x = -2*pi:0.1*pi:2*pi; y = [0.0000 0.8726 1.3803 1.3876 1.0490 0.6667 0.4612 ... 0.4365 0.4293 0.2848 -0.0000 -0.2848 -0.4293 -0.4365 ... -0.4612 -0.6667 -1.0490 -1.3876 -1.3803 -0.8726 0 ... 0.8726 1.3803 1.3876 1.0490 0.6667 0.4612 0.4365 ... 0.4293 0.2848 0.0000 -0.2848 -0.4293 -0.4365 -0.4612 ... -0.6667 -1.0490 -1.3876 -1.3803 -0.8726 -0.0000]; plot(x,y,'+') hold on plot(x,y,'g') 3、观察图形，，发现很像sin,cos那样的周期振荡函数 尝试选择拟合函数 f(x)=c1*sin(x)+c2*sin(2*x)+c3*sin(3*x) 希望选择合适的c1,c2,c3, s.t. δ=∑(f(xi)-yi)^2达到最小。 注意，这里的x,y 均是已知数构成的向量；c1,c2,c3才是待定的。 即 δ=∑(f(xi)-yi)^2=g(c1,c2,c3). 拟合问题转化为 求min{δ=g(c1,c2,c3)} 4、因为 δ=g(c1,c2,c3)是c1,c2,c3的元函数，所以可通过求偏导数 δ'c1,δ'c2,δ'c3,并令 δ'c1=0 δ'c2=0 δ'c3=0,联立解出c1,c2,c3. 5、使用matlab求解 第一步：建立m文件 function p=stu(c,x) p=c(1)*sin(x)+c(2)*sin(2*x)+c(3)*sin(3*x); 第二步：在工作区输入，c1,c2,c3的估计值，如 c=[1 1 1] 第三步：调用 p=lsqcurvefit('stu',c,x,y) 第四步：绘图检验拟合函数与观测数据的接近程度 plot(x,y,'r+',x,p(1)*sin(x)+p(2)*sin(2*x)+p(3)*sin(3*x),'g')