3.4719 3.4715 3.4712 3.4709 3.4706 3.4703 3.4700 3.4697 3.4695 3.4692 3.4690 3.4688 3.4686 3.4684 3.4682 3.4680 3.4679 3.4677 3.4676 3.4674 3.4673 3.4672 3.4671 3.4670 3.4670 3.4669 3.4669 3.4668 3.4668
3.4668 3.4667 3.4667 3.4667 3.4668 3.4668 3.4668 3.4669 3.4669 3.4670 3.4670 3.4671 3.4672 3.4673 3.4674 3.4675 3.4676 3.4677 3.4679 3.4680 3.4682 3.4683 3.4685 3.4687 3.4689 3.4691 3.4693 3.4695 3.4697
3.4699 3.4701 3.4703 3.4706 3.4708 3.4711 3.4714 3.4716 3.4719 3.4722 3.4725 3.4728 3.4731 3.4734 3.4737 3.4740 3.4744 3.4747 3.4750 3.4754 3.4757 3.4761 3.4765 3.4768 3.4772 3.4776 3.4780 3.4784 3.4788
3.4792 3.4796 3.4800 3.4804 3.4809 3.4813
PS：纵观上面三种拟合非线性函数的结果来看都并非理想，曲线变化比较剧烈的地方就表现比较明显了，还有待寻求更好的办法来求得理想曲线。
参考：
MATLAB在非线性曲线拟合中的应用小结
摘要:归纳总结了非线性曲线拟合的方法、求解步骤和上机操作过程 关键词:曲线拟合非线性MATLAB 正文：
1．曲线拟合的基本原理
已知一组测定的数据（例如N个点（xi,yi）去求得自变量x和因变量y的一个近似解析表达式y=φ（x）。若记误差δi=φ（xi）-yi，i=1，2，?N，则要使误差的平方和最小，即要求：
Q=∑δ i=1N2i
为最小，这就是常用的最小二乘法原理。 2 .MATLAB曲线拟合的相关方法 2.1.函数形式：
（1）多项式拟合函数polyfit，调用格式为： p=polyfit（x,y,n）
其中x，y为参与曲线拟合的实验数据，n为拟合多项式的次数，函数返回值为拟合多项式的系数（按降幂排列）。n=1时，就为线性拟合。
例1：给出表1数据，试用最小二乘法求一次和二次拟合多项式。 表1 数据 x -1.00 -0.75 -0.50 -0.25 0 0.25 0.50 0.75 1.00
y -0.2209 0.3295 0.8826 1.4392 2.0003 2.5645 3.1334 3.7061 4.2836