Skip to main content
 首页 » 编程设计

python之在 SciPy 中求解方程系统

2025年01月19日14linjiqin

我正在尝试通过三个给定点拟合指数曲线。但我只得到 fsolve 或实际 0 的非常错误的结果。我的学士论文需要这个,所以如果有人知道这个问题的更好解决方案,很高兴告诉我这个解决方案。

from numpy import * 
from scipy.optimize import * 
 
def myFunction(variables): 
    x1 = 1 
    y1 = 100 
    x2 = 5 
    y2 = 50 
    x3 = 10 
    y3 = 1 
    (a,k,b) = variables 
 
    y1 = a*exp(-x1*k)+b 
    y2 = a*exp(-x2*k)+b 
    y3 = a*exp(-x3*k)+b 
    #0 = a*k**2 * exp(-x1+k) 
    return ([a, k, b]) 
 
z = fsolve(myFunction,(1,0.1,5)) 
print(z) 

这是我的问题,我需要通过这3个给定点来拟合一个e函数,另外forumla的二阶导数应该是0

编辑:2017 年 12 月 6 日 在某种程度上,我现在有了一个多项式的改进,但并不像它应该的那样适合。 第二个最大值不应该在那里.. :D

from numpy import * 
from scipy.optimize import * 
import matplotlib.pyplot as plt 
 
def myFunction(z): 
    a = z[0] 
    b = z[1] 
    c = z[2] 
    d = z[3] 
    e = z[4] 
    f = z[5] 
    g = z[6] 
 
    x = [0, 10 ,15 ,20 ,50 ,100] 
    y = [10 ,90 ,100 ,90 ,50 ,10] 
    s = [0, 10, 1, 0, 0, 0] 
 
    F = empty((8)) 
    F[0] = a*x[0]**6 + b*x[0]**5 + c*x[0]**4 + d*x[0]**3 + e*x[0]**2 + f*x[0]**1 + g - y[0] 
    F[1] = a*x[1]**6 + b*x[1]**5 + c*x[1]**4 + d*x[1]**3 + e*x[1]**2 + f*x[1]**1 + g - y[1] 
    F[2] = a*x[2]**6 + b*x[2]**5 + c*x[2]**4 + d*x[2]**3 + e*x[2]**2 + f*x[2]**1 + g - y[2] 
    F[3] = a*x[3]**6 + b*x[3]**5 + c*x[3]**4 + d*x[3]**3 + e*x[3]**2 + f*x[3]**1 + g - y[3] 
    F[4] = a*x[4]**6 + b*x[4]**5 + c*x[4]**4 + d*x[4]**3 + e*x[4]**2 + f*x[4]**1 + g - y[4] 
    F[5] = a*x[5]**6 + b*x[5]**5 + c*x[5]**4 + d*x[5]**3 + e*x[5]**2 + f*x[5]**1 + g - y[5] 
    F[6] = 6*a*x[3]**5 + 5*b*x[3]**4 + 4*c*x[3]**3 + 3*d*x[3]**2 + 2*e*x[3]**1 + f - s[3] 
    F[7] = 6*a*x[5]**5 + 5*b*x[5]**4 + 4*c*x[5]**3 + 3*d*x[5]**2 + 2*e*x[5]**1 + f - s[5] 
    return F 
 
zGuess = array([1,1,1,1,1,1,1,1]) 
z = fsolve(myFunction,zGuess) 
print(z) 
x_axis = linspace(0,100,100) 
 
y_axis = z[0]*x_axis**6 + z[1]*x_axis**5 + z[2]*x_axis**4 + z[3]*x_axis**3 + z[4]*x_axis**2 + z[5]*x_axis**1 + z[6] 
plt.plot(x_axis, y_axis) 
plt.show() 

编辑 07.12.17 整个信号应该看起来像第二个例子的数据。但困难在于第一个例子的部分。我的建议是使用 2 个多项式,但我的教授更喜欢多项式 x<20 和 e 函数 x>20。两者的重叠也应该是非常平滑的。

请您参考如下方法:

好吧 fsolve 求一个函数的根,并没有真正做非线性拟合。我必须承认我实际上并没有完全理解您想用您的代码实现的目标。如果您想进行非线性拟合(因为您在这里谈论的是指数函数),您可能需要在此处查看我的笔记本 https://github.com/michelucci/Regression-with-Python/blob/master/(Non)%20linear%20fit%20in%20Python.ipynb我希望能为您指明正确的方向。它首先包含线性回归部分,然后是非线性教程。

您可以检查 scipy.optimize 库中的 curve_fit() python 函数。这应该可以帮助您完成您想做的事情。

如果对您有帮助,请告诉我。

您可能还想查看此链接以更好地了解什么是非线性拟合 https://en.wikipedia.org/wiki/Nonlinear_regression

最好的,翁贝托