在MATLAB中，可以使用以下方法进行负次幂曲线拟合：
使用`nlinfit（）`或`lsqcurvefit（）`函数
这两个函数都可以用于非线性最小二乘优化，从而求得曲线拟合系数。
函数形式为：`a = nlinfit（x, y, func, x0）` 或 `r = lsqcurvefit（f, a0, x, y）`，其中 `x` 和 `y` 是列向量，`func` 是拟合函数，`x0` 是初始猜测值。
示例代码：
```matlab
x = [1, 2, 3, 4, 5]；
y = [1, 1/2, 1/3, 1/4, 1/5]；
func = @（a, x） a（1） * x^（-1） + a（2） * x^（-2）；
x0 = [1, 1]；
a = nlinfit（x, y, func, x0）；
b = a（2）；
a = a（1）；
```
使用多项式拟合
可以使用`polyfit（）`函数进行多项式拟合，指定多项式的阶数。
例如，对于4次多项式拟合，可以使用：`p = polyfit（x, y, 4）`，然后使用拟合结果 `p（1） * x + p（2） * x^2 + p（3） * x^3 + p（4） * x^4` 进行预测。
示例代码：
```matlab
x = [1, 2, 3, 4, 5]；
y = [1, 1/2, 1/3, 1/4, 1/5]；
p = polyfit（x, y, 4）；
y_fit = p（1） * x + p（2） * x.^2 + p（3） * x.^3 + p（4） * x.^4；
```
使用数据拟合工具箱（Curve Fitting Tool）
打开CFTOOL工具箱，输入两组向量`x`和`y`。
在工具箱中选择拟合方法，并查看拟合结果和误差统计数据。
使用神经网络工具箱（Neural Network Toolbox）
通过`nftool`进入神经网络拟合工具。
导入数据并选择网络参数，最后进行拟合。
这些方法可以帮助你在MATLAB中有效地进行负次幂曲线的拟合。选择哪种方法取决于你的具体需求和数据特点。
