Skip to main content
 首页 » 编程设计

python之Scipy优化错误

2024年12月31日9qq78292959

我有一个相当简单的 ODE 参数估计问题,我想用 Python 解决。我一直在使用 odeint 函数来求解 ODE,并使用 scipy.optimize 库来查找参数。当我单独使用 odeint 函数时,我没有遇到任何问题,但是通过 scipy.optimize 它给我一个错误 RuntimeError: The array return by func must be one-dimensional, but got ndim=2。

我不认为它与 How to fix the error: The array return by func must be one-dimensional, but got ndim=2 重复因为我可以独立运行 odeint 求解器....

代码如下:

import numpy as np 
from scipy.integrate import odeint 
from scipy.optimize import minimize 
 
init = [0,0] 
t_end = 5 
dt = 0.01 
tspan = np.arange(0,t_end+dt,dt) 
 
def my_fun(y,t,K): 
    if t<=0.07: 
        s = 2000 
    else: 
        s = 0 
    return np.array([s+3.6*(y[1]-y[0]) +K*y[0], 0.38*y[0]-0.48*y[1] +K*y[1]]) 
 
def solver(t,p2):     
    y_ode = odeint(my_fun,init,t,args = (p2,)) 
    return y_ode 
 
test = solver(tspan,0.01) 
print(test) 
 
y_real = solver(tspan, 0.1) 
 
def err_fun(p): 
    return np.sum((y_real-solver(tspan,p))**2) 
 
 
print(err_fun(0.01))       
c0 = [0.2] 
 
optim = minimize(err_fun,c0,method='Nelder-Mead') 

请您参考如下方法:

问题是 minimize 调用 err_fun 的参数是长度为 1 的一维数组; err_fun 将其传递给 solver,solver 将其传递给 odeint,后者将其传递给 my_fun 作为 K 参数。看一下当 K 是标量或长度为 1 的数组时 my_fun 输出形状的差异:

In [43]: my_fun([1, 2], 0, 0.05)  # K is a scalar. 
Out[43]: array([ 2.00365e+03, -4.80000e-01]) 
 
In [44]: my_fun([1, 2], 0, np.array([0.05]))  # K is an array. 
Out[44]:  
array([[ 2.00365e+03], 
       [-4.80000e-01]]) 

当K 是长度为1 的一维数组时,my_fun 返回一个形状为(2, 1) 的数组。这不是 odeint 所期望的。

要解决此问题,您必须将该数组转换为调用链中某处的标量。例如,您可以在 err_fun 中立即执行此操作,例如:

def err_fun(p): 
    if not np.isscalar(p): 
        p = p[0] 
    return np.sum((y_real-solver(tspan,p))**2) 

当我这样做并运行您的脚本时,代码可以正常工作。这是我为 optim 得到的结果:

In [46]: optim 
Out[46]:  
 final_simplex: (array([[0.1       ], 
       [0.09999512]]), array([2.95795174e-22, 4.03900365e-05])) 
           fun: 2.9579517415523713e-22 
       message: 'Optimization terminated successfully.' 
          nfev: 34 
           nit: 17 
        status: 0 
       success: True 
             x: array([0.1])