我正在尝试将模型数据(从eR
计算)拟合到我的实验数据e_exp
。我不太清楚如何将常量和变量传递给func
import numpy as np
import math
from scipy.optimize import curve_fit, least_squares, minimize
f_exp = np.array([1, 1.6, 2.7, 4.4, 7.3, 12, 20, 32, 56, 88, 144, 250000])
e_exp = np.array([7.15, 7.30, 7.20, 7.25, 7.26, 7.28, 7.32, 7.25, 7.35, 7.34, 7.37, 13.55])
ezero = np.min(e_exp)
einf = np.max(e_exp)
ig_fc = 500
ig_alpha = 0.35
def CCER(einf, ezero, f_exp, fc, alpha):
x = [np.log(_ / ig_fc) for _ in f_exp]
eR = [ezero + 1/2 * (einf - ezero) * (1 + np.sinh((1 - ig_alpha) * _) / (np.cosh((1 - ig_alpha) * _) + np.sin(1/2 * ig_alpha * math.pi))) for _ in x]
return eR
def func(z):
return np.sum((CCER(z[0], z[1], z[2], z[3], z[4], z[5]) - e_exp) ** 2)
res = minimize(func, (ig_fc, ig_alpha), method='SLSQP')
einf
、ezero
和f_exp
都是常量,加上我需要优化的变量是ig_fc
和ig_alpha
,其中ig
代表初始猜测
我怎样才能做到这一点
我也不确定来自scipy
的哪种优化算法最适合我的问题(无论是curve_fit
、least_squares
还是minimize
)
我相信你想要的是:
将第一个值作为参数传递给
CCER
,剩下的两个(fc
和alpha
)将被视为可优化参数。所有固定参数都将从外部作用域读取-无需在此显式地将它们传递给函数最后,在
curve_fit
中,您只需要传递一个输入数组(f_exp
)和相应的输出(e_exp
),以及-可能的-一个初始猜测的元组p0
相关问题 更多 >
编程相关推荐