用變量作爲積分極限的非線性最小二乘擬合

我想用python製作一些涉及積分的非線性配件，積分的極限取決於自變量。代碼如下：用變量作爲積分極限的非線性最小二乘擬合

import numpy as np 
import scipy as sc 
import matplotlib.pyplot as plt 
from scipy.optimize import curve_fit 
from scipy.integrate import quad 


T,M=np.genfromtxt("zfc.txt", unpack=True, skiprows = 0) #here I load the data to fit 
plt.plot(T,M,'o') 

def arg_int1(x,sigma,Ebm): 
    return (1/(np.sqrt(2*np.pi)*sigma*Ebm))*np.exp(-(np.log(x/float(Ebm))**2)/(2*sigma**2)) 
def arg_int2(x,sigma,Ebm): 
    return (1/(np.sqrt(2*np.pi)*sigma*x))*np.exp(-(np.log(x/float(Ebm))**2)/(2*sigma**2)) 



def zfc(x,k1,k2,k3): 
    Temp=x*k2*27/float(k2/1.36e-16) 
    #Temp=k2*27/float(k2/1.36e-16) #apparently x can't be fitted with curve_fit if appears as well in the integral limits 
    A=sc.integrate.quad(arg_int1,0,Temp,args=(k3,k2))[0] 
    B=sc.integrate.quad(arg_int2,Temp,10*k2,args=(k3,k2))[0] 
    M=k1*(k2/1.36e-16*A/x+B) 
    return M 
T_fit=np.linspace(1,301,301) 


popt, pcov = curve_fit(zfc,T,M,p0=(0.5,2.802e-13,0.46)) 

M_fit=np.zeros(301) 
M_fit[0]=zfc(100,0.5,2.8e-13,0.46) 
for i in range (1,301):  
    M_fit[i-1]=zfc(i,popt[0],popt[1],popt[2]) 
plt.plot(T_fit,M_fit,'g')

的eror，我得到的是：

File "C:\Users\usuario\Anaconda\lib\site-packages\scipy\integrate\quadpack.py", line 329, in _quad 
    if (b != Inf and a != -Inf): 

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

我不明白，既然功能是明確界定。我知道我的問題的解決方案是feeded參數（我已經適合mathematica）。我試圖尋找Bloch-Gruneisen函數的擬合（自變量也定義了積分極限），但我沒有找到任何線索。

來源

2015-03-02 Diego Alba Venero

的問題是，scipy.optimize.curve_fit預計zfc對數組參數工作，即給定的x值的n陣列和3 N陣列，k2，k3值zfc(x,k1,k2,k3)應返回包含n陣列對應函數的值。這可以很容易但是通過使用np.vectorize函數創建一個包裝來實現：

zfc_wrapper = np.vectorize(zfc) 
popt, pcov = curve_fit(zfc_wrapper,T,M,p0=(0.5,2.802e-13,0.46))

下一次，這將是很好，如果你能提供一些樣本輸入數據。我設法使用一些任意函數的測試數據來運行它，但這可能並非總是如此。

乾杯。

來源

2015-03-02 17:44:14 spfrnd

用變量作爲積分極限的非線性最小二乘擬合

回答

相關問題