我刚刚读了Using adaptive time step for scipy.integrate.ode when solving ODE systems 。在
我下面的代码运行得很好,但是它在求解更复杂的方程时产生的结果,而不是我在下面的例子中提供的结果,微分方程似乎不准确。有没有办法改变这个代码,使它自动适应时间步进,根据指定的绝对和 相对误差公差?例如10^-8?在
from scipy.integrate import ode
initials = [0.5,0.2]
integration_range = (0, 30)
def f(t,X):
x,y = X[0],X[1]
dxdt = x**2 + y
dydt = y**2 + x
return [dxdt,dydt]
X_solutions = []
t_solutions = []
def solution_getter(t,X):
t_solutions.append(t)
X_solutions.append(X.copy())
backend = "dopri5"
ode_solver = ode(f).set_integrator(backend)
ode_solver.set_solout(solution_getter)
ode_solver.set_initial_value(y=initials, t=0)
ode_solver.integrate(integration_range[1])
您可以在}的值,请参见https://docs.scipy.org/doc/scipy/reference/generated/scipy.integrate.ode.html。在
set_integrator
调用中设置rtol
和{默认值提供中等精度,对于图形来说足够好,但对于其他目的可能不够。在
相关问题 更多 >
编程相关推荐