插值运算的matlab函数
插值运算的matlab函数
1一维插值函数
interp1（）
命令格式：
yi=interp1（x,y,xi,’method’）
x为插值节点构成的向量，y为插值节点函数值构成的向量，yi是被插值点xi的插值结果，‘method‘是采用的插值方法，缺省时表示分线段性插值，’nearest‘为最邻近插值；’linear‘为分线段性插值;’spline’为三次样条插值；’pchip’为分段Hermite插值；’cubic’为分段Hermite插值
例子：画出y=sin(x)在区间[0 10]的曲线，并在曲线上插值节点xk=k，k=0,1 (10)
及函数值，画出分段线性插值折线图
x=0:10;
y=sin(x);
xi=0:0.25:10;
yi1=interp1(x,y,xi,'nearest');
yi2=interp1(x,y,xi,'linear');
yi3=interp1(x,y,xi,'spline');
yi4=interp1(x,y,xi,'pchip');
yi5=interp1(x,y,xi,'cubic');
subplot(1,5,1)
plot(x,y,'o',xi,yi1,'k--',xi,sin(xi),'k:');
title('\bfNearest');
subplot(1,5,2)
plot(x,y,'o',xi,yi2,'k--',xi,sin(xi),'k:');
title('\bfLinear');
subplot(1,5,3)
plot(x,y,'o',xi,yi3,'k--',xi,sin(xi),'k:');
title('\bfSpline');
subplot(1,5,4)
plot(x,y,'o',xi,yi4,'k--',xi,sin(xi),'k:');
title('\bfPchip');
subplot(1,5,1)
plot(x,y,'o',xi,yi5,'k--',xi,sin(xi),'k:');
title('\bfCubic');
spline()为三次样条函数
命令格式1：yi=spline(x,y,xi),意义等同于yi=interp1(x,y,xi,'spline')
命令格式2：pp=spline(x,y) ，输出三次样条函数分段表示的结构
pchip()命令格式与spline()完全相同
csape()为可输入边界条件的三次样条函数
命令格式：pp=csape(x,y,conds,valconds),x为插值节点构成的向量，y为插值节点函数值构成的向量；conds为边界类型，缺省为非扭结边界条件；valconds表示边界值。
边界类型：‘complete‘为给定边界条件的一阶导数；’not-a-knot‘为非扭
结；’periodic‘为周期边界条件；’second’为给定边界条件的二阶导数;’variational’为自由边界
例子：
（1）已知y=f(x)的函数表及端点条件S’’(x1)=S’’(x4)=0
X 1 2 4 5
F(x) 1 3 4 2
求三次样条插值函数S（x）,并计算f（3），f(4.5)的近似值
clear;
clc;
x=[1 2 4 5];
y=[1 3 4 2];
s=csape(x,y,'variation')
value=fnval(s,[3 4.5])
再输入s.coefs可以得到三次样条插值分段表示的系数
注释：V = FNVAL(F,X) or FNVAL(X,F) provides the value atthe points in X of the function described by F .
（1）已知函数y=1/(25x^2+1)在[0 1]上的值如下表
X 0 0.25 0.5 0.75 1
Y 1 0.3903 0.1379 0.0664 0.0385
求三次样条插值函数S(x)，使满足S’(0)=0,S’(1)=-0.074
x=[0:0.25:1];
y=1./(1+25*x.^2);
s=csape(x,y,'complete',[0 -0.074])
fnplt(s,'r')
s.coefs
2高维插值函数
interp2()二维插值函数
命令格式：zi=interp2(X,Y,Z,xi,yi,’method’)
X为插值节点构成的矩阵(X=e’*x,e=(1,1,…,1))；Y为插值节点构成的矩阵
(Y=y’*e)；Z为插值节点函数值构成的矩阵，Zij=f(Xi,Yj) ;‘method‘是采用的插值方法，缺省时表示分双线性插值，’nearest‘为最邻近插值；’linear‘为分线段性插值;’spline’为三次样条插值；’cubic’为双三次插值。
例子：利用函数peaks产生一个山顶曲面数据，通过插值做出更为紧密的山顶曲面
clear;
clc;
[x,y,z]=peaks(10);
subplot(1,2,1)
mesh(x,y,z),hold on;
plot3(x,y,z,'r*');
subplot(1,2,2)
[xi,yi]=meshgrid(-3:0.1:3,-3:0.1:3);
zi=interp2(x,y,z,xi,yi);
mesh(xi,yi,zi);
griddata()
当数据不完全，不能构造矩阵时，不能使用intperp2函数，而要采用griddata函数，采用三角形插值方法。
命令格式：zi=griddata(x,y,z,xi,yi,’method’)
X为插值节点构成的向量，y为插值节点构成的向量，z为插值节点函数值构成的向量，zi是被插值点的插值结果；‘method‘是采用的插值方法，缺省时表示分双线性插值，’nearest‘为最邻近插值；’linear‘三角形线性插值;’cubic’为三角形三次插值。
例子：
已知水道测量数据如表
X 129.0 140.0 108.5 88.0 185.5 195.0
Y 7.5 141.5 28.0 147.0 22.5 137.5
Z 1.22 2.44 1.83 2.44 1.83 2.44
X 105.5 157.5 107.5 77.0 81.0 162.0
Y 85.5 -6.5 -81.5 3.0 56.5 -66.5
Z 2.44 2.74 2.74 2.44 2.44 2.74
X 162.0 117.5
Y 84.0 -38.5
Z 1.22 2.74
clear;
clc;
x=[129.0 140.0 108.5 88.0 185.5195.0 105.5 157.5 107.5 77.0 81.0 162.0 162.0 117.5];
y=[7.5 141.5 28.0 147.0 22.5137.5 85.5 -6.5 -81.5 3.0 56.5 -66.584.0 -38.5];
z=[ 1.22 2.44 1.83 2.44 1.83 2.44 2.44 2.74 2.74 2.44 2.44 2.74 1.22 2.74];
xi=linspace(min(x),max(x),40);
yi=linspace(min(y),max(y),40);
[Xi Yi]=meshgrid(xi,yi);
[Xi,Yi,Zi]=griddata(x,y,z,Xi,Yi,'cubic');
subplot(1,2,1);
mesh(Xi,Yi,Zi);
subplot(1,2,2)
[c,h]=contour(Xi,Yi,Zi,[-1.1:-0.1:-2.9]);
clabel(c,h)
interp3（）三维插值函数
命令格式：vi=interp3（X，Y，Z，V，xi,yi,zi,’method’）
X为插值节点构成的三维矩阵,Y插值节点构成的三维矩,Z为插值节点构成的三维矩阵，vi是被插值点(xi,yi,zi)的插值结果；‘method‘是采用的插值方法，缺省时表示分双线性插值，’nearest‘为最邻近插值；’linear‘三角形线性插值;’cubic’为三角形三次插值。
intern() n维插值函数
命令格式：vi=interpn(X1,X2,X3,…,V,y1,y2,y3,…,’method’)
‘method‘是采用的插值方法，缺省时表示分双线性插值，’nearest‘为最邻近插值；’linear‘三角形线性插值;’cubic’为三角形三次插值。
matlab插值法拟合曲线
matlab插值法拟合曲线
在MATLAB中，一维插值函数为interp1()，其调用格式为：
Y1=interp1(X,Y,X1,method)。
其中，X、Y是两个等长的已知向量，分别表示采样点和采样值；X1是一个向量或标量，表示要插值的点；method参数用于指定插值方法，常用的取值有以下四种：
1. linear：线性插值，默认方法。
将与插值点靠近的两个数据点用直线连接，然后在直线上选取对应插值点的数据。
2. nearest：最近点插值。
选择最近样本点的值作为插值数据。
3. pchip：分段3次埃尔米特插值。
采用分段三次多项式，除满足插值条件，还需满足在若干节点处相邻段插值函数的一阶导数相等，使得曲线光滑的同时，还具有保形性。
4. spline：3次样条插值。
每个分段内构造一个三次多项式，使其插值函数除满足插值条件外，还要求在各节点处具有连续的一阶和二阶导数。
曲线拟合可以使用cftool工具，首先导入X和Y的数据，然后可以选择残差图和置信区间分布图。
克里金插值法matlab
克里金插值法matlab克里金插值法是一种常用的空间插值方法，在Matlab中可以通过kriging函数来实现。
具体步骤如下：1. 准备待插值的数据。
首先需要收集一组有限的已知点数据，这些数据包含了样本点的坐标和对应的属性值。
2. 定义克里金插值模型。
可以选择不同的克里金模型来描述样本点的空间变异性，如指数模型、高斯模型或球状模型。
需要确定克里金模型的参数，包括插值权重以及空间半方差函数的参数。
3. 使用kriging函数进行插值。
在Matlab中，可以使用kriging函数进行克里金插值计算。
该函数需要输入已知点的坐标、属性值、插值点的坐标以及克里金模型的参数等。
4. 可视化插值结果。
可以通过绘制等值线图或者三维曲面图来展示插值结果，以便对空间分布进行可视化分析。
下面是一段示例代码，展示如何使用克里金插值法进行插值：```matlab% Step1：准备待插值数据x = [0, 1, 2, 3]; % 样本点的x坐标y = [0, 1, 2, 3]; % 样本点的y坐标z = [5, 4, 3, 2]; % 样本点的属性值% Step2：定义克里金插值模型model = 'exponential'; % 使用指数模型nugget = 0; % nugget效应sill = 1; % sill值range = 1; % 插值权重的衰减范围% Step3：使用kriging函数进行插值[X, Y] = meshgrid(0:0.2:3); % 插值点的坐标Z = kriging(x, y, z, X, Y, model, nugget, sill, range); % 进行克里金插值计算% Step4：可视化插值结果surf(X, Y, Z); % 绘制三维曲面图xlabel('x'); ylabel('y'); zlabel('z'); % 设置坐标轴标题```请注意，上述代码仅为示例，具体的参数和坐标值需要根据实际情况进行调整。
matlab 立方插值
matlab 立方插值Matlab是一种常用的科学计算软件，它具有强大的数值计算和数据处理能力。
在数据处理中，我们经常需要对数据进行插值处理，以填充缺失的数据或者对数据进行平滑处理。
本文将介绍Matlab中的立方插值方法，并以此为标题展开讨论。
立方插值是一种常用的插值方法，它通过在给定的数据点之间进行插值，来预测在这些点之外的值。
与线性插值相比，立方插值可以提供更为精确的结果，特别是在需要预测曲线的变化趋势时。
在Matlab中，立方插值可以通过interp1函数实现。
该函数的基本用法如下：YI = interp1(X, Y, XI, 'spline')其中，X和Y分别是已知的数据点的横纵坐标，XI是需要插值的点的横坐标，'spline'表示采用立方插值方法。
该函数将返回插值点的纵坐标YI。
使用立方插值方法可以实现多种功能。
例如，我们可以通过给定的一组数据点，利用立方插值方法来拟合一条平滑的曲线，从而更好地理解数据的变化趋势。
此外，立方插值还可以在缺失数据的情况下，通过已知数据点来预测缺失点的值，从而实现数据的补全。
在实际应用中，立方插值方法也存在一些限制。
首先，插值的精度受到数据点的密度和分布的影响。
如果数据点过于密集或者分布不均匀，插值结果可能会出现震荡或不准确的情况。
因此，在进行立方插值之前，我们需要对数据进行预处理，确保数据点的分布合理。
其次，立方插值方法对于异常值比较敏感，可能会导致插值结果出现偏差。
因此，在使用立方插值方法时，我们需要注意排除异常值的干扰，以提高插值结果的准确性。
除了interp1函数，Matlab还提供了其他插值方法的函数，如线性插值、样条插值等。
这些插值方法各有特点，可以根据具体的应用场景选择合适的方法。
立方插值是一种常用的数据处理方法，在Matlab中有着广泛的应用。
通过合理地选择数据点和插值方法，我们可以利用立方插值方法来处理数据，实现数据的补全和平滑。
matlab中插值函数
matlab中插值函数MATLAB 中提供了许多插值函数，这些函数可以用来生成曲线和曲面上丢失的值，或者将方法升级到高精度，使其在小区域内变得更加平稳。
这篇文章介绍了一些常见的MATLAB 插值函数及其用法。
1. interp1 函数interp1 函数是 MATLAB 中最常用的插值函数，可以用于一维向量的插值。
interp1 函数有五个输入参数，第一个是插值点的位置，第二个是原始数据的位置，第三个是原始数据的值，第四个是插值方法，第五个是插值结果的返回类型。
下面的代码演示了如何使用 interp1 对数据进行线性插值：```matlab% 原始数据的位置和值x = [0, 1, 2, 3, 4];y = sin(x);% 插值点的位置xx = 0:0.1:4;% 线性插值yy = interp1(x, y, xx, 'linear');这个代码将生成一条正弦曲线的插值曲线。
interp2 函数是 MATLAB 针对二维数据点的插值函数。
interp2 函数有六个输入参数：x 和 y 是原始数据点的 x 和 y 坐标，z 是原始数据点，xi 和 yi 是要插值的 x 和 y 坐标，method 是插值方法。
这个函数可以执行线性插值、三次插值和紧凑的差值。
% 创建一个有噪声的原始数据点Z = sinc(sqrt(X.^2 + Y.^2)) + 0.1*randn(size(X));% 定义插值点的位置xi = -3:0.05:3;yi = -3:0.05:3;% 绘制原始和插值曲线mesh(X, Y, Z);hold on;mesh(xi, yi, Zi);```3. griddedInterpolant 函数griddedInterpolant 函数可以生成二维、三维和多维插值函数，其中包括线性插值函数、三次插值函数和拟和插值函数。
该函数可以在网格点和非网格点之间进行插值。
样条插值函数 matlab
样条插值函数 matlab样条插值函数是一种广泛应用于数值计算中的插值技术。
它的主要功能是使用已经给定的数据点来构建一个连续且平滑的函数，该函数可以通过插值来预测在给定数据点之间的值。
在 MATLAB 中，我们可以使用 spline() 函数来实现样条插值函数的操作。
样条插值函数的主要思想是在给定的数据点上构建一组多项式，以实现对在数据点之间位置的函数的插值。
这些多项式通常在相邻数据点之间的区间上定义，并满足一系列的平滑条件。
在实践中，可以使用不同的插值多项式来构建样条插值函数，例如线性样条，二次样条或三次样条。
为了使用 MATLAB 中的 spline() 函数进行样条插值的操作，我们需要先确定要插值的数据点以及在这些数据点上的值。
通常我们会使用一维数组来存储这些数据点的值，例如：x = [0 0.5 1 1.5 2];接下来，我们需要为这些数据点上的值生成一个一维数组，例如：y = [0 0.4794 0.8415 0.9975 0.9093];为了使用 spline() 函数进行样条插值，我们需要将这些数据点作为输入参数传递给该函数，例如：yy = spline(x,y);这将返回一个样条插值函数，可以使用该函数来计算在数据点之间位置的函数值。
例如，要计算在 0.25 处的函数值，我们可以使用以下代码：val = ppval(yy,0.25);上述代码将返回插值函数在 0.25 处的函数值。
我们还可以使用 plot() 函数来可视化样条插值函数的结果，例如：plot(x,y,'o',0:0.01:2,ppval(yy,0:0.01:2));该代码将绘制原始数据点以及样条插值函数在给定范围内的函数值。
样条插值函数是一种强大的数值计算技术，可以用于许多科学和工程应用。
在 MATLAB 中，我们可以使用 spline() 函数轻松实现样条插值函数的操作并可视化结果。
matlab中的克里金插值
MATLAB中的克里金插值1. 引言克里金插值是一种常用的空间插值方法，用于根据已知数据点的空间分布，推断未知点的值。
在MATLAB中，克里金插值是通过kriging函数实现的。
本文将介绍克里金插值的原理、MATLAB中的使用方法以及一些实际应用案例。
2. 克里金插值原理克里金插值基于克里金变异函数，该函数描述了空间上的变量之间的相关性。
克里金插值的基本思想是通过已知数据点的空间分布和变异函数的参数，来推断未知点的值。
克里金变异函数通常使用高斯模型、指数模型或球状模型等。
这些模型都具有一个参数，称为克里金范围，用于描述变量之间的空间相关性。
通过调整克里金范围，可以控制插值结果的平滑程度。
3. MATLAB中的克里金插值在MATLAB中，克里金插值可以使用kriging函数实现。
该函数的基本语法如下：[Z, varZ] = kriging(X, Y, Z, Xq, model)参数说明： - X：已知数据点的x坐标 - Y：已知数据点的y坐标 - Z：已知数据点的值 - Xq：待插值点的x坐标 - model：克里金变异函数的模型函数返回值： - Z：插值结果的值 - varZ：插值结果的方差使用kriging函数进行克里金插值的步骤如下： 1. 准备已知数据点的坐标和值。
2. 定义待插值点的坐标。
3. 选择合适的克里金变异函数模型。
4. 调用kriging函数进行插值，获取插值结果和方差。
4. 克里金插值的实际应用克里金插值在地质学、环境科学、农业等领域有广泛的应用。
下面以一个简单的二维插值问题为例，演示克里金插值在MATLAB中的应用。
假设有一片土地，已知某些地点的土壤含水量，我们希望通过这些已知点的数据，推断整个土地上未知点的土壤含水量。
首先，我们准备已知数据点的坐标和值。
假设有5个已知点，其坐标和土壤含水量如下：X坐标Y坐标土壤含水量X坐标Y坐标土壤含水量1 1 0.22 2 0.33 3 0.44 4 0.55 5 0.6接下来，我们定义待插值点的坐标。
matlab插值(详细 全面)
Matlab中插值函数汇总和使用说明MATLAB中的插值函数为interp1，其调用格式为： yi= interp1(x,y,xi,'method')其中x，y为插值点，yi为在被插值点xi处的插值结果；x,y为向量， 'method'表示采用的插值方法，MATLAB提供的插值方法有几种： 'method'是最邻近插值， 'linear'线性插值； 'spline'三次样条插值； 'cubic'立方插值．缺省时表示线性插值注意：所有的插值方法都要求x是单调的，并且xi不能够超过x的范围。
例如：在一天24小时内，从零点开始每间隔2小时测得的环境温度数据分别为12，9，9，10，18 ，24，28，27，25，20，18，15，13，推测中午12点（即13点）时的温度．x=0:2:24;y=[12 9 9 10 18 24 28 27 25 20 18 15 13];a=13;y1=interp1(x,y,a,'spline')结果为： 27.8725若要得到一天24小时的温度曲线，则：xi=0:1/3600:24;yi=interp1(x,y,xi, 'spline');plot(x,y,'o' ,xi,yi)命令1 interp1功能一维数据插值（表格查找）。
该命令对数据点之间计算内插值。
它找出一元函数f(x)在中间点的数值。
其中函数f(x)由所给数据决定。
x：原始数据点Y：原始数据点xi：插值点Yi：插值点格式(1)yi = interp1(x,Y,xi)返回插值向量yi，每一元素对应于参量xi，同时由向量x 与Y 的内插值决定。
参量x 指定数据Y 的点。
若Y 为一矩阵，则按Y 的每列计算。
yi是阶数为length(xi)*size(Y,2)的输出矩阵。
样条插值函数 matlab
样条插值函数 matlab引言插值是数值分析中的一种常用技术，它可以根据已知数据点的信息，通过建立一个函数模型来预测未知数据点的值。
样条插值函数是插值中的一种方法，它通过连接已知数据点的线段和曲线段来逼近未知数据点，从而实现预测的目的。
在 matlab 中，我们可以使用样条插值函数来快速、准确地进行数据的估计和插值操作。
样条插值的原理样条插值是一种分段函数的插值方法，它首先将整个数据区间分成若干小段，然后在每个小段内使用一个函数去逼近已知数据点。
样条插值函数通常具有一阶、二阶或三阶连续性，这意味着在每个小段的端点上，函数值、一阶导数值、二阶导数值都是连续的。
在 matlab 中，可以使用spline函数来实现样条插值。
该函数的调用形式如下：spline(x, y, xx)其中，x和y是已知数据点的坐标，xx是需要估计的数据点的坐标。
spline函数会根据已知数据点的信息，计算出估计数据点的值。
样条插值的使用在使用样条插值函数之前，我们首先需要准备好已知数据点的坐标。
假设有以下的数据点：x = [0, 1, 2, 3, 4, 5]y = [0, 1, 4, 9, 16, 25]我们可以使用plot函数将这些数据点绘制出来，以便观察其分布情况：plot(x, y, 'o')样条插值的一阶连续性样条插值函数的一阶连续性要求每个小段的端点处函数值相等。
为了满足这个要求，我们可以在spline函数的参数列表中增加额外的约束条件：spline(x, y, xx, '1')这样，计算出的插值函数就会满足一阶连续性。
样条插值的二阶连续性样条插值函数的二阶连续性要求每个小段的端点处一阶导数值相等。
为了满足这个要求，我们可以在spline函数的参数列表中增加额外的约束条件：spline(x, y, xx, '2')这样，计算出的插值函数就会满足二阶连续性。
样条插值的三阶连续性样条插值函数的三阶连续性要求每个小段的端点处二阶导数值相等。
matlab插值拟合函数求导
matlab插值拟合函数求导插值和拟合是数据分析中的常见技术，它们可以帮助我们通过已知的数据点估计未知的函数形式。
在插值中，我们使用一组数据点来估计一个未知函数在某个区间上的值；而在拟合中，我们尝试找到一个数学模型来描述一组数据，以最小化模型的残差。
Matlab作为一种强大的数学软件，提供了丰富的工具箱来支持这些操作。
本文将介绍如何在Matlab中进行插值拟合，并使用导数功能进行数值求导。
一、插值拟合基础插值是通过构造一个多项式函数，使得该函数在给定数据点上的值与实际数据一致，进而估计未知函数的形式。
拟合则是通过最小化模型残差来找到一个数学模型，以描述一组数据的变化规律。
在Matlab中，我们可以使用fit函数进行拟合操作。
1. 插值：Matlab提供了interp1和interp2函数来进行一维和二维插值。
我们可以根据实际需求选择合适的插值方法，如线性插值、多项式插值等。
2. 拟合：Matlab的fit函数可以用于进行线性拟合、多项式拟合等。
fit函数接受一组数据和拟合模型作为输入，并返回一个拟合对象，该对象包含了模型的系数等信息。
三、求导数功能在插值拟合之后，有时我们需要对估计的函数进行求导数操作。
Matlab提供了diff函数来进行数值求导，该函数可以计算一个函数的导数，并返回一个向量，其中包含了函数的导数值。
四、应用实例假设我们有一组测量数据，其中包含了某物体的位移和时间信息。
我们希望通过插值拟合的方法估计该物体的运动方程，并对其求导数以研究其运动规律。
首先，我们使用interp1函数进行一维插值，得到位移随时间的变化曲线；然后，我们使用fit多项式函数进行拟合，得到该运动方程的系数；最后，我们使用diff函数求出运动方程的导数，并进行绘图分析。
五、总结本文介绍了如何在Matlab中进行插值拟合以及求导数操作。
通过这些方法，我们可以方便地进行数据分析，并得到未知函数的估计形式。
在实际应用中，我们需要根据具体问题选择合适的插值方法、拟合模型和求导数方式，以获得准确且有用的结果。
matlab插值函数
matlab插值函数Matlab是一种功能强大的数值计算和科学编程环境，内置了许多插值函数，可以用来在不连续数据点之间进行插值或者外推。
下面将介绍其中一些常用的插值函数以及如何使用它们。
1. interp1函数:interp1函数用于一维数据的插值。
它可以根据给定的数据点和插值方法，在一些给定点上进行插值。
例如，可以使用线性插值、多项式插值或者样条插值。
interp1函数的基本语法如下：```Vq = interp1(X, V, Xq, method)```其中，X是原始的自变量数据点，V是对应的因变量数据点，Xq是需要进行插值的点，method是插值方法。
2. interp2函数:interp2函数用于二维数据的插值。
它可以根据给定的数据点和插值方法，在二维平面上的一些给定点上进行插值。
interp2函数在进行插值时，会自动处理数据点的网格化和内插。
常用的插值方法包括线性插值、三次插值和样条插值。
interp2函数的基本语法如下：```Vq = interp2(X, Y, V, Xq, Yq, method)```其中，X和Y是原始的自变量网格，V是对应的因变量数据点，Xq和Yq是需要进行插值的点，method是插值方法。
3. griddedInterpolant函数:griddedInterpolant函数是一个灵活的插值器，可以用于任意维度的插值。
该函数对输入数据进行光滑处理，然后生成一个可调用的插值器对象。
可以使用插值器对象在给定点上进行插值，也可以通过设置插值属性来调整插值方式。
griddedInterpolant函数的基本语法如下：```F = griddedInterpolant(X, V, method)Vq=F(Xq)```其中，X是原始的自变量数据点，V是对应的因变量数据点，method 是插值方法。
F是生成的插值器对象，Xq是需要进行插值的点，Vq是插值结果。
4. scatteredInterpolant函数:scatteredInterpolant函数可以用于不规则数据点的插值。