У меня возникли проблемы с переводом моего кода MATLAB на Python через Scipy & Numpy. Я застрял в том, как найти оптимальные значения параметров (k0 и k1 )для моей системы ОДУ, чтобы они соответствовали моим десяти наблюдаемым точкам данных. В настоящее время у меня есть начальное предположение для k0 и k1. В MATLAB я могу использовать что-то под названием «fminsearch», которая представляет собой функцию, которая принимает систему ОДУ, наблюдаемые точки данных и начальные значения системы ОДУ. Затем он рассчитает новую пару параметров k0 и k1, которые будут соответствовать наблюдаемым данным. Я включил свой код, чтобы узнать, можете ли вы помочь мне реализовать какой-то «fminsearch», чтобы найти оптимальные значения параметров k0 и k1, которые будут соответствовать моим данным. Я хочу добавить любой код для этого в мой файл lsqtest.py.
У меня есть три файла.py -ode.py, lsq.py и lsqtest.py
. ode.py:
def f(y, t, k):
return (-k[0]*y[0],
k[0]*y[0]-k[1]*y[1],
k[1]*y[1])
лск.py:
import pylab as py
import numpy as np
from scipy import integrate
from scipy import optimize
import ode
def lsq(teta,y0,data):
#INPUT teta, the unknowns k0,k1
# data, observed
# y0 initial values needed by the ODE
#OUTPUT lsq value
t = np.linspace(0,9,10)
y_obs = data #data points
k = [0,0]
k[0] = teta[0]
k[1] = teta[1]
#call the ODE solver to get the states:
r = integrate.odeint(ode.f,y0,t,args=(k,))
#the ODE system in ode.py
#at each row (time point), y_cal has
#the values of the components [A,B,C]
y_cal = r[:,1] #separate the measured B
#compute the expression to be minimized:
return sum((y_obs-y_cal)**2)
lsqtest.py:
import pylab as py
import numpy as np
from scipy import integrate
from scipy import optimize
import lsq
if __name__ == '__main__':
teta = [0.2,0.3] #guess for parameter values k0 and k1
y0 = [1,0,0] #initial conditions for system
y = [0.000,0.416,0.489,0.595,0.506,0.493,0.458,0.394,0.335,0.309] #observed data points
data = y
resid = lsq.lsq(teta,y0,data)
print resid