Question

我在大学里有一组来自物理实验（简单实验）的数据，我试图将这些数据拟合到我从lmfit库构建的模型中。我想要一个这样形式的窦基本方形：

I（X）=I0.sinc²（pi.a.X/(λD））

用a：狭缝的宽度， lambda：光的波长 D：距离相机/狭缝 I0：原始强度

import csv as csv
from math import pi
import matplotlib.pyplot as plt
import numpy as np
from lmfit import *

# create data to be fitted
with open('data_1.csv', 'r') as f:
    values = list(csv.reader(f, delimiter=','))
values = np.array(values[1:], dtype=np.float)

position = values[:, 0]
intensity = values[:, 1]

#define function model
def fct(x, I0, a, D, b):
    return I0 * np.square(np.sinc(pi * a * (x + b) / (0.00000063 * D)))
    #b is for the horizontal shift because my experience
    #was centered on 700 due to the camera

# do fit
vmodel = Model(fct)
vmodel.set_param_hint('I0', min=0., max=300.)
vmodel.set_param_hint('a', value=0.0005, min=0.0, max=1.)
vmodel.set_param_hint('D', value=0.53, min=0.0, max=1.)
vmodel.set_param_hint('b', min=0., max=2000.)
pars = vmodel.make_params()
result = vmodel.fit(intensity, pars, x=position)

# write report
print(result.fit_report())

#after we plot the data, with position on x and intensity on y

它返回完全错误的值和错误：

RuntimeWarning: invalid value encountered in double_scalars spercent = 
'({0:.2%})'.format(abs(par.stderr/par.value))

[[Model]]
    Model(fct)
[[Fit Statistics]]
    # function evals   = 7
    # data points      = 1280
    # variables        = 4
    chi-square         = 4058147.794
    reduced chi-square = 3180.367
    Akaike info crit   = 10326.876
    Bayesian info crit = 10347.494
[[Variables]]
    I0:   0          +/- 0        (nan%) (init= 0)
    a:    0.00050000 +/- 0        (0.00%) (init= 0.0005)
    D:    0.50000000 +/- 0        (0.00%) (init= 0.5)
    b:    400        +/- 0        (0.00%) (init= 400)

你能帮帮我吗？我从这个库中尝试了很多类型的模型但没有正常工作，我真的需要它。我已经用np.square和其他读物解决了2D问题，主要问题是模型。等待答案，谢谢，

Answer 1

您可能希望为所有参数值提供合理的起始值。在您编写时，I0或b没有初始值，但是方便地（？）这些参数设置了边界，因此初始值可以推断（可能很差）作为下限 - 我不知道b如何变成400.也许是一个错字？

无论如何，我建议尝试

pars = vmodel.make_params(I0=150, b=400)

然后再试一次。

Python拟合窦基数和LMFIT库

1 个答案: