研究燃烧化石燃料对天气模式影响的一个常用测量方法是二氧化碳(CO2.)在大气中浓度。一些科学家认为CO的上行趋势2.水平可能导致大气温度升起,极地冰盖熔化,以及地球不同地区的气候变化。
由于该数据具有周期性现象以及上升趋势,因此非线性拟合技术是合适的,但与拟合线性模型相比,可能需要额外的努力。但是,使用正确的工具和数据知识,您可以快速确定非线性模型的系数。
本文描述了如何将非线性模型拟合到可用的CO2.数据使用最新发布的曲线拟合工具箱。
数据建模
在这个例子中,我们使用co2.在夏威夷的Mauna Loa天文台1979年至1996年,美国国家海洋和大气管理(NOAA)收集的数据。2..捕获的数据如下图所示。
自然界中的周期性现象可以用正弦波及其高次谐波来模拟,即,
式中,t(时间)以年为单位,α约为0.0444/年,其他参数未知(包括所需的正弦数)2..
为了建立模型,我们转到曲线拟合工具箱的拟合GUI,创建一个带有一个正弦项的自定义方程。
由于时间值较大,我们可以选择将时间变量居中并缩放(去除平均值并除以标准偏差)的选项,以改善数值计算的条件。
炼制模型
我们可以通过几种方式改进此模型。首先,我们可以单独确定指数术语的系数。我们使用工具箱的内置指数模型,可自动计算来自数据的最佳起始点,
现在我们可以绘制仍然显示循环正弦模式的残差,因此需要另一个正弦曲线术语。
延长分析
当我们找到一个令人满意的模型时,我们可以将拟合结果发送到MATLAB工作区进行进一步分析。我们还有其他几个观测点要检查(例如萨摩亚、南极和巴罗)然后我们可以在循环中调用这个函数来自动拟合其他数据集,以查看结果模型在不同观测点之间的比较情况。
此示例涉及一些功能,这些功能将帮助您使模型适合数据。无论模型是线性模型还是非线性模型,“曲线拟合工具箱”使您能够快速拟合其库中的标准模型或创建的自定义模型。