为什么为风速与功率输出选择 S 形曲线？

在二元公式中，插值要求拟合函数在每个给定数据点上与测量值完全匹配，表示为 $z_i = F(x_i, y_i)$。逼近通过允许偏差或误差项 $e(x_i, y_i)$ 来放宽这种精确拟合，表示为 $z_i = F(x_i, y_i) + e(x_i, y_i)$。

适用条件：给定 m 个点 $(x_i, y_i, z_i)$，其中 $i=1,m$。；寻找一个函数 $F(x,y)$。；插值要求在样本点上完全匹配。；逼近允许存在误差项 $e(x_i, y_i)$。

之所以说插值没有唯一解，是因为仅要求函数穿过数据点，就存在无限多个不同的函数可以满足这一精确条件。问题的难点不在于插值函数的存在性，而在于从众多有效的函数中进行选择。

适用条件：给定一组有限的数据点。；除了穿过这些点之外，没有施加额外的约束。

要比较不同的曲线拟合方法，你应该使用统计指标，如 R 平方、调整后 R 平方、均方根误差 (RMSE) 和误差平方和 (SSE)。R 平方衡量模型解释的方差比例，而 RMSE 和 SSE 衡量误差的平均大小，值越低表示拟合越好。

适用条件：正在评估两个或多个曲线拟合模型。；这些模型拟合到相同的数据集。

在 MATLAB Curve Fitter 应用中，你为 x 轴选择预测变量，为 y 轴选择响应变量。在风力涡轮机示例中，风速被选为 x 轴上的自变量（预测变量），功率输出被选为 y 轴上的因变量（响应变量）。

适用条件：数据在 MATLAB 中可用。；用户希望可视化和拟合两个特定变量之间的关系。

你可以通过使用优化工具箱将其表述为受约束的优化问题，来强制你的曲线拟合遵守物理限制。将模型系数定义为优化变量，并为每个系数分配特定的下界和上界。

适用条件：需要一个优化求解器，如 lsqnonlin。；目标函数必须基于模型方程定义（例如，最小化误差平方和）。；已知系数的物理或数学约束。