研究化石燃料燃烧对气候模式的影响的一种常用测量方法是二氧化碳(CO2)在大气中的浓度。一些科学家相信一氧化碳的上升趋势2这一水平可能导致大气温度上升,极地冰盖融化,地球不同地区的气候发生根本变化。
由于这些数据具有周期性现象,以及向上增长的趋势,非线性拟合技术是合适的,但与拟合线性模型相比,需要额外的努力。然而,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。
本文描述了如何将一个非线性模型适合于可用的CO2数据使用新发布的曲线拟合工具箱。
建模的数据
在本例中,我们使用CO2美国国家海洋和大气管理局(NOAA)从1979年到1996年在夏威夷的莫纳罗亚天文台收集了百万分之一的数据2.捕获的数据如下图所示。
自然界的循环现象可以用正弦波及其高次谐波来模拟,也就是说,
其中t(时间)以年为单位,α约为0.0444/年,其他参数(包括所需正弦数)未知。2.
要建立模型,我们去曲线拟合工具箱的拟合GUI,并创建一个自定义方程与一个正弦项。
由于时间值较大,我们可以选择将时间变量居中并缩放(去除均值并除以标准差),以改进数值计算的条件。
改进模型
我们可以从几个方面改进这个模型。首先,我们可以分别确定指数项的系数。我们使用工具箱内建的指数模型,它能自动从数据中计算出最佳起点,
现在我们可以画出残差仍然显示出周期性正弦模式,所以另一个正弦项是必要的。
扩展分析
当我们找到一个满意的模型时,我们可以将拟合值发送到MATLAB工作空间进行进一步的分析。我们有几个其他的观测站要检查(例如,萨摩亚,南极和巴罗),所以可以生成一个M-file函数,可以重建我们的适合度。然后,我们可以循环调用该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。
这个示例涉及了一些特性,这些特性将帮助您使模型适合于数据。无论模型是线性的还是非线性的,曲线拟合工具箱都使您能够快速拟合其库中的标准模型或您创建的自定义模型。