在MATLAB中，可以使用`nlinfit（）`函数来求解logistic模型的参数。以下是使用MATLAB求解logistic模型参数的步骤：
准备数据
确保你有一系列已知自变量（`x`）和因变量（`y`）的数据。
定义logistic模型函数
使用`inline`函数定义logistic模型函数。例如：
```matlab
fun = inline（'a（1）./（1+exp（a（2）-a（3）.*x））','a','x'）；
```
这里，`a（1）`、`a（2）`和`a（3）`是你要估计的参数。
拟合参数
使用`nlinfit（）`函数拟合logistic模型的参数。例如：
```matlab
b = nlinfit（x, y, fun, b）；
```
其中，`b`是初始参数估计值（可以是一个向量，包含`a（1）`、`a（2）`和`a（3）`的初始值）。
评估拟合效果
根据拟合值与已知值的差值，判断其拟合准确性。可以使用`norm（b - initial_b）`来计算拟合误差，其中`initial_b`是初始参数估计值。
绘制模型曲线
使用`plot`函数绘制logistic模型曲线图，以便直观地比较拟合结果和实际数据。例如：
```matlab
xx0 = linspace（min（x）, max（x）, 50）；
yy0 = fun（a, xx0）；
plot（x, y, 'rp'）, hold on；
plot（xx0, yy0, 'r-'）, xlabel（'x'）, ylabel（'y'）；
legend（'实验数据', '拟合曲线'）；
```
```matlab
% 已知数据
x = [21 24 27 30 33 36 39 42 45 48]；
y = [0 4.5541 11.5836 19.9043 22.7024 25.2441 26.2109 26.5693 26.6396 25.9511]；
% 定义logistic模型函数
fun = inline（'a（1）./（1+exp（a（2）-a（3）.*x））','a','x'）；
% 初始参数估计值
b = [0.95717 0.48538 0.80028]；
% 拟合参数
a = nlinfit（x, y, fun, b）；
% 输出拟合参数
disp（'拟合参数：'）；
disp（a）；
% 绘制模型曲线
xx0 = linspace（min（x）, max（x）, 50）；
yy0 = fun（a, xx0）；
plot（x, y, 'rp'）, hold on；
plot（xx0, yy0, 'r-'）, xlabel（'x'）, ylabel（'y'）；
legend（'实验数据', '拟合曲线'）；
```
通过以上步骤，你可以在MATLAB中求解logistic模型的参数，并绘制出拟合曲线。