matlab预测三次多项式

我接触matlab12年了,第一次见不用训练直接sim的bp网络,他报的信息是你没有按照常规用神经网络!再问：那我现在程序出现什么问题？

用符号变量编写：y=1;symsxfori=1:5y=y+x^i;endyy=1+x+x^2+x^3+x^4+x^5求y(3)输入：subs(y,x,3)ans=364或用字符变量编写,代值转成符号变

symssp=(s+2)*(s+5)*(s+6)再问：中间那个乘号能去掉吗再答：最好不要省略，或者说绝对不能省略。还可以进行另一种输入方式，就是用一个向量保存多项式的系数（以次数从高到低，如果缺某一项

直接simple（aa）或者simplify（aa）ans=4*R*n1*cos(a)+(4*R^2*n2*cos(a)*sin(a)*(sin(t)*(1-(4*R^2*cos(a)^2*sin(a

函数polyfit用于多项式曲线拟合p=polyfit(x,y,m)其中,x,y为已知数据点向量,分别表示横,纵坐标,m为拟合多项式的次数,结果返回m次拟合多项式系数,从高次到低次存放在向量p中.利用

%神经网络算法%这是我以前数模校内选拔赛的猪肉价格预测模型的算法,你参考下clear;clc;%P=0:0.1:2*pi;T=sin(P);pnew=0:0.01:2*pi;P=再问：sorry,刚刚

yy=polyfit(t,y,4)%y求ln就可以一次拟合ye=log(y)yee=polyfit(t,ye,1)yyee=exp(yee)

functionp=naorthfit(x,y,m)%用途：多项式拟合%格式：x,y为数据向量,m为拟合正交多项式次数,p返回多项式%系数降幂排列psi=fliplr(eye(m+1,m+1));%转

这个可以先定义一个多项式函数,在函数内部利用循环达到目的,参数变量可以是变化的,提前赋值的方式也不唯一.

可以用pretty函数,它就是这个功能,但是显示出来的效果不是很好!举例如下：clearf=sym('x^2*y-3*x+8');pretty(f)运行结果：2xy-3x+8这里面显示不好你可以自己试

假设之前a,b,c,d,e,x,都已经是赋好值的等长度的向量fun=@(g)(a-1134*polyval(g,x)-b)./(c-d.*polyval(g,x))-e;g=lsqnonlin(fun

expandsimple针对符号计算对数值的东西当然错你先x,y值都赋值了z的值直接就出来了x=[20:5:60]';y=[2:1:10]';z=89.057-0.0601*(y-5)-0.09296

%神经网络算法%这是我以前数模校内选拔赛的猪肉价格预测模型的算法,你参考下clear;clc;%P=0:0.1:2*pi;T=sin(P);pnew=0:0.01:2*pi;P=1985:2009;T

用matlab的符号运算功能:symsxfx1fx2fx3fx1=2+3*x^(-1)fx2=2*x+3*x^(-1)+4*x^(-1)fx3=fx1*fx2

clearx1=[5.208.179.791112.3319.07];y1=[9.6761.8479.1484.5189.13100];y1i=9.67:0.001:100;x1i=pchip(y1,

三次三项式就是说,这个代数式共有3项,最高次数为3次,如：3+3+3a²b¹二次多项式就是说,这个代数式的项超过1,最高次数为2,如：2+3+4+3a²

clear;clcx=[0 30 60 90 120 150 180 210 240 270 300

再问：对，配凑法。当时看了下所谓求根公式，太麻烦？

dy应该是已知条件,原数据y的标准差,即y中的每一个点的测量误差,用它来估算拟合系数的误差再问：可是，我有一组x和y，要拟合曲线，确定最佳阶数的话，怎么定dy呢?再答：如果不需要计算系数误差就无需dy

样条是分段函数,多项式的个数和分的段数有关的,这个段数应该是不定的,所以不太好弄.那么：你想要一个三次多项式的话,就用polyfit,得到多项式的系数如果你想三次样条插值,就用spline或者inte