0

我需要使用非线性最小二乘回归来获取参数（kf、beta1、beta2、gamma）。错误消息是：“ValueError：操作数无法与形状 (4,7) (0,) 一起广播”

我用收集的下一个数据做了 4 次实验：

  • flujo_ms(x-axis Data): 7个位置的数组
  • “fri”：每个“fri”是一个包含 7 个位置的数组。
  • brfv：取四个常数值，每个实验一个常数。

我想同时使用四个实验来最小化参数估计的误差。

import numpy as np
from scipy.optimize import leastsq

flux = [flujo_ms, flujo_ms, flujo_ms, flujo_ms]
brfv = [[0.00694] * 7, [0.00972] * 7, [0.0139] * 7, [0.0208]*7]
fr = [fr1, fr2, fr3, fr4]


def foulingRate(parameters, flux, brfv, mlts=8.22):
    kf, beta1, beta2, gamma = parameters
    FR = kf * np.exp(flux * (beta1 * brfv + beta2 * mlts + gamma))
    return FR


def objective(pars, yData, xData, brfv):
    # it will minimize this function
    err = yData - foulingRate(pars, xData, brfv)
    return err

x0 = [5.6 * 10 ** -4, -2.48 * 10 ** 8, 5.1 * 10 ** 4,
      2.81 * 10 ** 6]  # initial values for the parameters

plsq = leastsq(objective, x0, args=(fr, flux, brfv))
print("Fitted parameters = {0}".format(plsq[0]))
4

1 回答 1

0

我找到了解决方案。我使用了模块 lmfit：cars9.uchicago.edu/software/python/lmfit

于 2016-01-29T08:48:58.100 回答