python scipy.optimize 计算带卷积的最小二乘

最新推荐文章于 2025-01-12 16:48:03 发布

原创

最新推荐文章于 2025-01-12 16:48:03 发布 · 629 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#最小二乘 #scipy #python

本文详细介绍了如何利用Python的Scipy.optimize模块来求解涉及卷积函数的最小二乘问题。通过实例演示了设置优化目标函数，结合卷积操作，最终找到最佳拟合参数的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
from scipy.optimize import leastsq
#from scipy.integrate import quad,dblquad,nquad
import math
import xlrd
import matplotlib as mat
mat.use("TkAgg")
import matplotlib.pyplot as plt


#t=[]
t=np.linspace(0,4,50)
x=[]
y=[]

data = xlrd.open_workbook(r'D:/2.xlsx')
table = data.sheet_by_name(u'Sheet1')
num=37#需要变化
for i in range(num):
    #t.append(table.cell_value(i,0))
    x.append(table.cell_value(i+1,9))
    y.append(table.cell_value(i+1,11))
#y=y/np.max(y)
t=np.asarray(t)
x=np.asarray(x)
y=np.asarray(y)
print(t,x,y,len(t))
'''    
rows = table.row_values(0)
cols = table.col_values(0)
cell_A1 =
cell_C4 = table.cell_value(3,2)



G_t=un_G*(math.e**(-un_beta*t))#关于t的一个序列
juanji=np.convolve(G_t,x)#一个关于t的序列长度为t的二倍-1
sigmod_e=2*un_mill*((1+x)**(un_alpha-1)-(1+x)**((-un_alpha/2)-1))/un_alpha#一个序列
fun_sum=sigmod_e+juanji#sigmod的一个序列
'''
def func(p,t,x):
    un_alpha, un_mill, un_G, un_beta =p #[0, 0, 0, 0]
    #print(2*un_mill*((1+x)**(un_alpha-1)-(1+x)**((-un_al