周祉煜 孟倩

摘要：弗兰克-赫兹实验是“近代物理实验”中的重要实验之一，数据量大且数据处理复杂。支持向量机是一种广泛应用于函数逼近、模式识别、回归等领域的机器学习算法。本文将支持向量机算法应用于弗兰克-赫兹实验数据的拟合，过程简单，在python环境下验证该方法拟合精度高，效果好。支持向量机算法还可应用于其他的物理实验曲线拟合。

关键词：支持向量机;曲线拟合;弗兰克-赫兹实验;Python

中图分类号：TP18      文献标识码：A

文章编号：1009-3044（2021）13-0001-02

Abstract： Frank-Hertz experiment is a classical experiment in modern physics experiments. It has a large amount of experimental data and a complicated data processing process. Support Vector Machine is a machine learning algorithm which widely used in function approximation， pattern recognition， regression and other fields. In this paper， support vector machine is used to do curve fitting for the experimental data of Frank-Hertz experiment. The process is simple， and the method is verified to have high curve fitting accuracy and good effect in python environment. SVM can also be applied to curve fitting in other physics experiments.

Key words： support vector machine， curve fitting， Frank Hertz experiment，python

1998年，Vapnik V N.等人[1]提出了一种新型的基于小样本和统计学习理论的机器学习方法-支持向量机（Support Vector Machine， SVM），该方法可以从有限的训练样本出发寻找“最优函数规律”， 使它能够对未知输出作尽可能准确的预测，可应用于函数逼近、模式识别、回归等领域。刘欣等将SVM引入水黏度测定物理实验，取得良好的效果[2]。弗兰克-赫兹实验是近代物理学中的一个重要实验，学生做实验时多采用手工物理实验数据处理方法来描点、作图、拟合。王蕴杰等将BP神经网络算法引入弗兰克-赫兹实验曲线拟合[3]并取得良好效果。本文将 SVM算法引入大学物理弗兰克-赫兹实验曲线拟合，python环境下实验结果表明，采用SVM方法拟合弗兰克-赫兹实验曲线可以取得精确的效果，SVM 是一种值得引进的物理实验数据处理方法。

1 弗兰克-赫兹实验原理

弗兰克-赫兹实验（Frank-Hertz）的装置[3-4]如图1所示，在充氩气的弗兰克-赫兹管中，电子由热阴极K发出，阴极K和控制阴极发射电流的第一栅极[G1]直接的加速电压使电子加速。……