如何修改面向实验数据的MATLAB非线性函数拟合脚本 可不用lsqcurvefit

原代码存在的核心问题 #

• 变量名大小写混用、拼写错误：比如Sample和sample、linespace应为linspace、interpl应为interp1、lsqscurvefit应为lsqcurvefit，文件路径用了中文引号
• 滥用global全局变量，不符合lsqcurvefit的函数入参规范
• 没有正确定义待拟合的模型函数，lsqcurvefit要求第一个入参是匿名函数/函数句柄，输入为待拟合参数向量和自变量
• 拟合逻辑混乱：你需要拟合的是coefficient1/2/3即x、y、z三个参数，自变量为T，不是把T作为待拟合量
• 原代码中定义的A3未被引入最终计算逻辑，若需要可自行添加到模型函数中

修正后的完整实现代码 #

不需要拆分3个独立脚本，合并后的代码同时提供两种拟合方案，适配有无Optimization Toolbox的场景：

% --------------- 1. 导入并预处理实验数据 ---------------
Sample = readmatrix('experimentaldata');
T_exp = Sample(1,:)';       % 实验自变量T的实测值
Y_exp = Sample(2,:)';       % 实验因变量的实测值

% --------------- 2. 定义拟合模型函数 ---------------
% 待拟合参数为p(1)=x, p(2)=y, p(3)=z，自变量为T
model_fun = @(p, T) (p(1)*0.321.*T + 0.3) .* (p(2)/0.2 + 0.5.*T) + 0.3;

% --------------- 3. 设置拟合初始值与参数边界 ---------------
p0 = [1,1,1];  % 三个待拟合参数的初始猜测值，可根据参数实际范围调整，避免陷入局部最优
lb = [];        % 参数下界，无限制可留空
ub = [];        % 参数上界，无限制可留空

% --------------- 4. 执行拟合 ---------------
% 方案1：使用lsqcurvefit（需Optimization Toolbox）
p_fit = lsqcurvefit(model_fun, p0, T_exp, Y_exp, lb, ub);

% 方案2：不用lsqcurvefit，用fminsearch实现卡方/最小二乘拟合（无工具箱依赖，通用性更强）
% chi2_fun = @(p) sum( (model_fun(p, T_exp) - Y_exp).^2 ); % 定义残差平方和目标函数
% p_fit = fminsearch(chi2_fun, p0);

% --------------- 5. 输出结果与可视化 ---------------
disp('拟合得到的三个系数分别为：');
disp(['x = ', num2str(p_fit(1))]);
disp(['y = ', num2str(p_fit(2))]);
disp(['z = ', num2str(p_fit(3))]);

% 绘制拟合效果对比
T_plot = linspace(min(T_exp), max(T_exp), 2000);
Y_fit_plot = model_fun(p_fit, T_plot);
plot(T_exp, Y_exp, 'ro', 'DisplayName', '实验实测数据');
hold on;
plot(T_plot, Y_fit_plot, 'b-', 'LineWidth', 1.5, 'DisplayName', '拟合曲线');
legend;
xlabel('T');
ylabel('因变量');

内容的提问来源于stack exchange，提问作者Manu Han