我有一个振荡数据如下图所示,并希望拟合一个正弦曲线。然而,我的结果是不正确的。在
我想要拟合到这条曲线的函数是:
def radius (z,phi, a0, k0,):
Z = z.reshape(z.shape[0],1)
k = np.array([k0,])
a = np.array([a0,])
r0 = 110
rs = r0 + np.sum(a*np.sin(k*Z +phi), axis=1)
return rs
正确的解决方案如下:
^{pr2}$但是,拟合曲线的结果如下:
^{3}$我的数据如下:
r = np.array([100.09061214, 100.17932773, 100.45526772, 102.27891728,
113.12440802, 119.30644014, 119.86570527, 119.75184665,
117.12160143, 101.55081608, 100.07280857, 100.12880236,
100.39251753, 103.05404178, 117.15257288, 119.74048706,
119.86955437, 119.37452005, 112.83384329, 101.0507198 ,
100.05521567])
z = np.array([-407.90074345, -360.38004677, -312.99221012, -266.36934609,
-224.36240585, -188.55933945, -155.21242348, -122.02778866,
-87.84335638, -47.0274899 , 0. , 47.54559191,
94.97469981, 141.33801462, 181.59490575, 215.77219256,
248.95956379, 282.28027286, 318.16440024, 360.7246922 ,
407.940799 ])
因为我的函数只是表示一个傅立叶级数,所以我也尝试了scipy.fftpack.fft(r) 但是我无法重现一个接近我计算过的fft信号。在
这是一个正弦函数,它是一个拟合函数scipy.optimize公司微分进化遗传算法模块,用于确定曲线拟合非线性求解器的初始参数估计。scipy模块使用拉丁超立方体算法来确保对需要搜索范围的参数空间进行彻底搜索。在本例中,这些界限取自数据的最大值和最小值。在
问题是,如果不提供初始猜测,解决方案就无法收敛。尝试添加一个合理的初始猜测:
请注意,如果您要使用其他方法之一,例如},那么如果没有最初的猜测,那么由于参数无法收敛,这将更有可能返回运行时错误。在
trf
或{相关问题 更多 >
编程相关推荐