Question

我想对包含除法和一些三角函数的函数应用最小化，如下面的代码片段所示。但是出现错误，除以零：

RuntimeWarning：除以split_new_instance（）

中遇到的零除以

Lx=2592.
Ly=1936.

YA, XA = np.mgrid[0:Ly, 0:Lx]

XAvect=np.reshape(XA,(Lx*Ly))
YAvect=np.reshape(YA,(Lx*Ly))

#Initialization
x0 = 200.
y0 = 200.
KI = 100000.
T = 20.
A1 = 50.
A2 = 50.


def residual_V2west(vars, XA, YA, donnees):
    KI = vars[0]
    A1 = vars[1]
    A2 = vars[2]
    x0 = vars[3]
    y0 = vars[4]
    modeleV2 = KI/(G)*np.sqrt(np.sqrt((XA-x0)**2 + (YA-y0)**2)/(2*np.pi))*np.sin((np.arctan(((YA-y0)/(XA-x0))))/2)*(Kappa + 1 - 2*np.cos(np.arctan(((YA-y0)/(XA-x0)))/2)**2) + \
    A1*np.sqrt((XA-x0)**2+(YA-y0)**2)*np.cos(np.arctan((YA-y0)/(XA-x0))) + A2 
    return (donnees-modeleV2)

from scipy.optimize import leastsq
vars = [KI, A1, A2, x0, y0]
out_V_west = sco.leastsq(residual_V2west, vars, args=(XAvect, YAvect, Vmvect),epsfcn=0.01)
print out_V_west

Answer 1

您可以尝试通过将分母定义为小数而不是零来避免除以零：

XAmx0 = XA-x0 if abs(XAmx0) < 1e-12: XAmx0 = 1e-12

然后除以XAmx0而不是XA-x0

这使你在残差函数中的表达式正常化并且不会影响你的结果（如果最优解中的分母大约为1e-12，那么无论如何你都可能遇到数值拟合的问题）

Answer 2

我通过使用：ma.masked_invalid(...)

实现了这一点

最小化最小化除以零

2 个答案: