Линейная интерполяция формула пример расчета. Применение экстраполяции в Microsoft Excel

Это глава из книги Билла Джелена .

Задача: некоторые инженерные проблемы проектирования требуют использования таблиц для вычисления значений параметров. Поскольку таблицы являются дискретными, дизайнер использует линейную интерполяцию для получения промежуточного значения параметра. Таблица (рис. 1) включает высоту над землей (управляющий параметр) и скорость ветра (рассчитываемый параметр). Например, если надо найти скорость ветра, соответствующую высоте 47 метров, то следует применить формулу: 130 + (180 – 130) * 7 / (50 – 40) = 165 м/сек.

Скачать заметку в формате или , примеры в формате

Как быть, если существует два управляющих параметра? Можно ли выполнить вычисления с помощью одной формулы? В таблице (рис. 2) показаны значения давления ветра для различных высот и величин пролета конструкций. Требуется вычислить давление ветра на высоте 25 метров и величине пролета 300 метров.

Решение: проблему решаем путем расширения метода, используемого для случая с одним управляющим параметром. Выполните следующие действия.

Начните с таблицы, изображенной на рис. 2. Добавьте исходные ячейки для высоты и пролета в J1 и J2 соответственно (рис. 3).

Рис. 3. Формулы в ячейках J3:J17 объясняют работу мегаформулы

Для удобства использования формул определите имена (рис. 4).

Проследите за работой формулы последовательно переходя от ячейки J3 к ячейке J17.

Путем обратной последовательной подстановки соберите мегаформулу. Скопируйте текст формулы из ячейки J17 в J19. Замените в формуле ссылку на J15 на значение в ячейке J15: J7+(J8-J7)*J11/J13. И так далее. Получится формула, состоящая из 984 символов, которую невозможно воспринять в таком виде. Вы можете посмотреть на нее в приложенном Excel-файле. Не уверен, что такого рода мегаформулы полезны в использовании.

Резюме: линейная интерполяция используется для получения промежуточного значения параметра, если табличные значения заданы только для границ диапазонов; предложен метод расчета по двум управляющим параметрам.

Бывает ситуация, когда в массиве известных значений нужно найти промежуточные результаты. В математике это называется интерполяцией. В Excel данный метод можно применять как для табличных данных, так и для построения графиков. Разберем каждый из этих способов.

Главное условие, при котором можно применять интерполяцию – это то, что искомое значение должно быть внутри массива данных, а не выходить за его предел. Например, если мы имеем набор аргументов 15, 21 и 29, то при нахождении функции для аргумента 25 мы можем использовать интерполяцию. А для поиска соответствующего значения для аргумента 30 – уже нет. В этом и является главное отличие этой процедуры от экстраполяции.

Способ 1: интерполяция для табличных данных

Прежде всего, рассмотрим применения интерполяции для данных, которые расположены в таблице. Для примера возьмем массив аргументов и соответствующих им значений функции, соотношение которых можно описать линейным уравнением. Эти данные размещены в таблице ниже. Нам нужно найти соответствующую функцию для аргумента 28 . Сделать это проще всего с помощью оператора ПРЕДСКАЗ .

Способ 2: интерполяция графика с помощью его настроек

Процедуру интерполяции можно применять и при построении графиков функции. Актуальна она в том случае, если в таблице, на основе которой построен график, к одному из аргументов не указано соответствующее значение функции, как на изображении ниже.

Как видим, график скорректирован, а разрыв с помощью интерполяции удален.

Способ 3: интерполяция графика с помощью функции

Произвести интерполяцию графика можно также с помощью специальной функции НД. Она возвращает неопределенные значения в указанную ячейку.

Можно сделать даже проще, не запуская Мастер функций , а просто с клавиатуры вбить в пустую ячейку значение «#Н/Д» без кавычек. Но это уже зависит от того, как какому пользователю удобнее.

Как видим, в программе Эксель можно выполнить интерполяцию, как табличных данных, используя функцию ПРЕДСКАЗ , так и графика. В последнем случае это осуществимо с помощью настроек графика или применения функции НД , вызывающей ошибку «#Н/Д» . Выбор того, какой именно метод использовать, зависит от постановки задачи, а также от личных предпочтений пользователя.

Инструкция

Зачастую при проведении эмпирических исследований приходится сталкиваться с набором значений полученных методом случайной выборки. Из этого ряда значений требуется построить график функции, в которую с максимальной точностью впишутся и другие полученные значения. Этот метод, а точнее решение этой задачи есть аппроксимация кривой, т.е. замена одних объектов или явлений другими, близкими по исходному параметру. Интерполяция, в свою очередь же является разновидностью аппроксимации. Интерполяцией кривой называют процесс, при котором кривая выстроенной функции проходит через имеющиеся точки данных.

Имеется очень близкая к интерполяции задача, суть которой будет заключаться в аппроксимации исходной сложной функции иной, гораздо более простой функцией. Если же отдельная функция очень для вычислений, то можно попытаться вычислить её значение в нескольких точках, а по полученным построить (интерполировать) более простую функцию. Однако упрощенной функции не позволит получить столь же точные и достоверные данные, какие бы давала исходная функция.

Интерполяция через алгебраический двучлен, или линейная интерполяция
В общем виде: происходит интерполирование некоторой заданной функции f(х), принимающей значение в точках x0 и x1 отрезка алгебраическим двучленом P1(x) = ax + b. Если же задается более чем два значения функции, то искомая линейная функция заменяется линейно-кусочной функцией, каждая часть функции заключается между двумя заданными значениями функции в этих точках на интерполируемом отрезке.

Интерполирование методом конечных разностей
Данный метод один из простейших и широко распространенных методов осуществления интерполяции. Его суть в замене дифференциальных коэффициентов уравнения на разностные коэффициенты. Это действие позволит перейти к решению дифференциального уравнения путем его разностного аналога, иначе говоря, построить его конечно-разностную схему

Построение сплайн–функции
Сплайном в математическом моделировании называют кусочно-заданную функцию, которая с функциями, имеющими более простую на каждом элементе разбиения своей области определения. Сплайн от одной переменной строится путем разбиения области определения на конечное число отрезков, причем, на каждом из которых сплайн будет совпадать с некоторым алгебраическим полиномом. Максимальная степень использованного является сплайна.
Сплайн-функции для задания и описания поверхностей в различных системах компьютерного моделирования.

Простейшим и часто используемым видом локальной интерполяции является линейная интерполяция . Она состоит в том, что заданные точки (x i , y i ) при (i = 0. 1, ..., n ) соединяются прямолинейными отрезками, и функция f (x ) приближается ломаной с вершинами в данных точках.

Уравнения каждого отрезка ломаной в общем случае разные. Поскольку имеется n интервалов (x i - 1, x i ), то для каждого из них в качестве уравнения интерполяционного многочлена используется уравнение прямой, проходящей через две точки. В частности, для i-го интервала можно написать уравнение прямой, проходящей через точки(x i -1, y i -1 ) и (x i , y i ), в виде

a i =

Следовательно, при использовании линейной интерполяции сначала нужно определить интервал, в который попадает значение аргумента х, а затем подставить его в формулу (*) и найти приближенное значение функции в этой точке

Рисунок 3-3- График зависимости линейной интерполяции .

1. Решение профессиональной задачи

Ведем экспериментальные данные

ORIGIN:=0 Начало массива данных - считаем с нуля

i :=1..6 Число элементов в массиве

Экспериментальные данные организованы в два вектора

Выполним интерполяцию встроенными функциями MathCad

Линейная интерполяция

Lf(x i):=linterp(x,y,x)

Интерполяция кубическим спайном

CS:= cspline(x,y)

Строим кубический сплайн по экспериментальным данным

Lf(x i):=linterp(x,y,x i)

Интерполяция В- сплайном

Задаем порядок интерполяции. В векторе u должно быть на (n-1) меньше элементов, чем в векторе x , причем первый элемент должен быть меньше или равен первому элементу x , а последний - больше или равен последнему элементу x.

BS:=bspline(x,y,u,n)

Cтроим В- сплайн по экспериментальным данным

BSf(x i):=(BS, x,y,x i)

Строим график всех функций аппроксимации на одной координатной плоскости.

Рисунок 4.1-График всех функций аппроксимации на одной координатной плоскости.

Заключение

В вычислительной математике существенную роль играет интерполяция функций, т.е. построение по заданной функции другой (как правило, более простой), значения которой совпадают со значениями заданной функции в некотором числе точек. Причем интерполяция имеет как практическое, так и теоретическое значение. На практике часто возникает задача о восстановлении непрерывной функции по ее табличным значениям, например, полученным в ходе некоторого эксперимента. Для вычисления многих функций, оказывается, эффективно приблизить их полиномами или дробно-рациональными функциями. Теория интерполирования используется при построении и исследовании квадратурных формул для численного интегрирования, для получения методов решения дифференциальных и интегральных уравнений. Основным недостатком полиномиальной интерполяции является то, что она неустойчива на одной из самых удобных и часто используемых сеток - сетке с равноудаленными узлами. Если позволяет задача, эту проблему можно решить за счет выбора сетки с Чебышевскими узлами. Если же мы не можем свободно выбирать узлы интерполяции или нам просто нужен алгоритм, не слишком требовательный к выбору узлов, то рациональная интерполяция может оказаться подходящей альтернативой полиномиальной интерполяции.

К достоинствам сплайн-интерполяции следует отнести высокую скорость обработки вычислительного алгоритма, поскольку сплайн - это кусочно-полиномиальная функция и при интерполяции одновременно обрабатываются данные по небольшому количеству точек измерений, принадлежащих к фрагменту, который рассматривается в данный момент. Интерполированная поверхность описывает пространственную изменчивость различного масштаба и в то же время является гладкой. Последнее обстоятельство делает возможным прямой анализ геометрии и топологии поверхности с использованием аналитических процедур