[英]exponential decay fitting
我正在尝试拟合指数衰减后随时间分布的一些数据。 我尝试在网络上遵循一些合适的示例,但是我的代码不适合数据。 拟合仅产生一条直线。 初始参数可能有问题吗? 到现在为止,我只使用高斯拟合和线拟合,并且使用相同的方法,这种情况可能不正确。 代码从网络上获取数据,因此可以直接执行。 问题:为什么代码不适合? 提前谢谢了。
#!/usr/bin/env python
import pyfits, os, re, glob, sys
from scipy.optimize import leastsq
from numpy import *
from pylab import *
from scipy import *
rc('font',**{'family':'serif','serif':['Helvetica']})
rc('ps',usedistiller='xpdf')
rc('text', usetex=True)
#------------------------------------------------------
tmin = 56200
tmax = 56249
data=pyfits.open('http://heasarc.gsfc.nasa.gov/docs/swift/results/transients/weak/GX304-1.orbit.lc.fits')
time = data[1].data.field(0)/86400. + data[1].header['MJDREFF'] + data[1].header['MJDREFI']
rate = data[1].data.field(1)
error = data[1].data.field(2)
data.close()
cond = ((time > 56210) & (time < 56225))
time = time[cond]
rate = rate[cond]
error = error[cond]
right_exp = lambda p, x: p[0]*exp(-p[1]*x)
err = lambda p, x, y:(right_exp(p, x) -y)
v0= [0.20, 56210.0, 1]
out = leastsq(err, v0[:], args = (time, rate), maxfev=100000, full_output=1)
v = out[0] #fit parameters out
xxx = arange(min(time), max(time), time[1] - time[0])
ccc = right_exp(v, xxx)
fig = figure(figsize = (9, 9)) #make a plot
ax1 = fig.add_subplot(111)
ax1.plot(time, rate, 'g.') #spectrum
ax1.plot(xxx, ccc, 'b-') #fitted spectrum
savefig("right exp.png")
axis([tmin-10, tmax, -0.00, 0.45])
您的问题是病态的,因为您的数组times
包含大数,而在exp(-a*time)
中使用时,它们给出的值接近0.
,这会欺骗err
函数,因为您的rate
数组还包含也接近0.
小值。小错误。 换句话说,高a
的指数函数给出了一个很好的解决方案。
要解决此问题,您可以:
exp(-a*(time-time0))
time -= time.min()
对于这两个选项,您都必须更改初始猜测v0
,例如v0=[0.,0.]
。 第一个解决方案似乎更可靠,您不必管理time
序列中的更改。 对time0
一个很好的初始猜测是time.min()
:
right_exp = lambda p, x: p[0]*exp(-p[1]*(x-p[2]))
err = lambda p, x, y:(right_exp(p, x) -y)
v0= [0., 0., time.min() ]
out = leastsq(err, v0, args = (time, rate))
v = out[0] #fit parameters out
xxx = arange(min(time), max(time), time[1] - time[0])
ccc = right_exp(v, xxx)
fig = figure(figsize = (9, 9)) #make a plot
ax1 = fig.add_subplot(111)
ax1.plot(time, rate, 'g.') #spectrum
ax1.plot(xxx, ccc, 'b-') #fitted spectrum
fig.show()
赠送:
尽管如此,最终结果仍取决于v0
,例如v0=[1.,1.,time.min()]
它衰减太快而找不到最佳值。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.