如何在python 2.7中使用optimize.fmin函数进行化学反应动力学

时间:2017-08-05 15:30:51

标签: python numpy matplotlib scipy chemistry

我有一个指定绘制两个连续的一阶反应, 然后找出反应B的最大浓度。

我设法绘制了三个函数的图表,我正在努力 找到最大值。我的老师告诉我使用optimize.fmin() (我想他希望我对反应B的功能产生负面影响, 并找到该函数的最小值,该值应该是最大值。), 唯一的麻烦是它不起作用!

这是我到目前为止所做的,我在optimize.fmin()函数的第二个参数中尝试了0.75以外的其他值。 我在哪里错了?我看到错误是说它期待一个数组但是得到一个序列?这与t=linspace(0,tmax,20)行有关 代码,我为实验创建20个均匀间隔的点,总运行时间为20分钟

%pylab inline
from matplotlib import *
from scipy import *


    k1 = 0.15
    k2 = 0.10
    A0 = 2
    tmax = 21
    t = linspace(0,tmax,20)

    e1= e**(-k1*t)
    e2= e**(-k2*t)


    def conc_A(t):
        A = A0 * e1
        return A

    def conc_B(t):
        B = A0 *(k1 / (k2-k1)) * (e1 - e2)
        return B

    def conc_C(t):
        C = (A0/ (k2-k1)) * (k2 * ((1 - e1 ))* - (k1 *(1-e2)))
        return C

pylab.plot(t,conc_A(t),label ='[A]')
plot(t,conc_B(t),label= '[B]')
plot(t,conc_C(t),label= '[C]')
pylab.legend(loc='upper right')
plt.xlabel("Time (minutes)" )
plt.ylabel("Concentration Mol $Dm^{-3}$")
plt.title("Rates of reaction of two consecutive first order reactions")


def neg_B(t):
    return -conc_B(t)

optimize.fmin(neg_B,0.75)

我得到的错误是

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-88-f481d0e274f9> in <module>()
     48 
     49 
---> 50 optimize.fmin(neg_B,0.75)
     51 
     52 

C:\Users\gsandle1\AppData\Local\Continuum\Anaconda2\lib\site-packages\scipy\optimize\optimize.py in fmin(func, x0, args, xtol, ftol, maxiter, maxfun, full_output, disp, retall, callback, initial_simplex)
    391             'initial_simplex': initial_simplex}
    392 
--> 393     res = _minimize_neldermead(func, x0, args, callback=callback, **opts)
    394     if full_output:
    395         retlist = res['x'], res['fun'], res['nit'], res['nfev'], res['status']

C:\Users\gsandle1\AppData\Local\Continuum\Anaconda2\lib\site-packages\scipy\optimize\optimize.py in _minimize_neldermead(func, x0, args, callback, maxiter, maxfev, disp, return_all, initial_simplex, xatol, fatol, **unknown_options)
    515 
    516     for k in range(N + 1):
--> 517         fsim[k] = func(sim[k])
    518 
    519     ind = numpy.argsort(fsim)

ValueError: setting an array element with a sequence.

1 个答案:

答案 0 :(得分:1)

t中获取更多积分,例如2000,你可以通过找到数值最大值出现的数组的索引来找到最大值的时间。

t = np.linspace(0,tmax,2000)
#... rest of code
print t[np.argmax(conc_B(t))] # prints 8.11

如果您想使用optimize.fmin,我建议您先阅读the documentation。它声明第一个参数需要是一个函数。所以你需要提供一个应该最小化的功能。

import numpy as np
import scipy.optimize as optimize

k1 = 0.15
k2 = 0.10
A0 = 2.
tmax = 21

e1= lambda t: np.exp(-k1*t)
e2= lambda t: np.exp(-k2*t)

conc_A = lambda t: A0 * e1(t)
conc_B= lambda t: A0 *(k1 / (k2-k1)) * (e1(t) - e2(t))
conc_C = lambda t: (A0/ (k2-k1)) * (k2 * ((1. - e1(t) ))* -(k1 *(1.-e2(t))))

print optimize.fmin(lambda t: -conc_B(t),0.75)

# Optimization terminated successfully.
#         Current function value: -0.888889
#         Iterations: 23
#         Function evaluations: 46
# [ 8.10930176]