SciPy最小二乘法未能提供最佳解决方案

Question

我试着用leatsq来拟合一条非常简单的曲线。然而，它的解决方案并没有得到优化。谁能给我一些建议吗？ 以下是我的代码：

from scipy import optimize
import numpy as np

hl_obs = np.array([10.0, 23.0, 20.0])
ph=np.array([5.0,7.0,9.0])

tp=60

def residuals(k_abn, ph, tp, hl_obs):
        hr=np.log(2)/(hl_obs*24.0)
        ph_adj=6013.79/(tp+273.15) + 23.6521*np.log10(tp+273.15)-64.7013
        err = peval(k_abn, ph, ph_adj)-hr
        return err

def peval(k_abn, ph, ph_adj):
    temp= k_abn[0]*np.power(10,-ph) + k_abn[1] + k_abn[2]*np.power(10,(-ph_adj + ph))
    return temp

k_abn =np.array([1, 0, 0])

from scipy.optimize import leastsq
p,ier = leastsq(residuals, k_abn, args=(hl_obs, ph, tp), maxfev=2000000)
print p, ier

从EXCEL的解算器中，我知道解决方案应该是k_abn=[165, 0.001237578, 2.14]。一旦我将Excel的解决方案输入function peval，它就生成了正确的答案。。。在

^{pr2}$

另外，我尝试使用epsfcn=np.finfo(np.float32).eps来提高精度 谁能给我一些建议吗？谢谢！在

Answer 1

如果按正确的顺序获取参数：

p,ier = leastsq(residuals, k_abn, args=(ph, tp, hl_obs), maxfev=2000000)

结果是：

^{pr2}$