Question

我有两个源自一个矩阵方程的方程：

[x,y] = [[cos(n), -sin(n)],[sin(n), cos(n)]]*[x', y']，

其中x' = Acos(w1*t+ p1)和y' = Bcos(w2*t + p2)。

这只是向量[x,y]的单个矩阵方程，但是可以分解为两个标量方程：x = A*cos(s)*cos(w1*t+ p1)*x' - B*sin(s)*sin(w2*t + p2)*y'和y = A*sin(s)*cos(w1*t+ p1)*x' + B*cos(s)*sin(w2*t + p2)*y'。

因此，我正在拟合两个数据集，x与t和y与t，但是在这些拟合中有一些共享参数，即{{1 }}，A和B。

1）我可以直接拟合矩阵方程，还是必须将其分解为标量方程？前者会更优雅。

2）我可以在s上使用共享参数吗？所有相关问题都使用其他软件包。

Answer 1

下面的示例代码使用curve_fit将一个共享参数拟合为两个不同的方程。这不是您问题的答案，但是我无法在注释中设置代码格式，因此我将其发布在这里。

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

y1 = np.array([ 16.00,  18.42,  20.84,  23.26,  25.68])
y2 = np.array([-20.00, -25.50, -31.00, -36.50, -42.00])
comboY = np.append(y1, y2)

h = np.array([5.0, 6.1, 7.2, 8.3, 9.4])
comboX = np.append(h, h)


def mod1(data, a, b, c): # not all parameters are used here
        return a * data + c


def mod2(data, a, b, c): # not all parameters are used here
        return b * data + c


def comboFunc(comboData, a, b, c):
    # single data set passed in, extract separate data
    extract1 = comboData[:len(y1)] # first data
    extract2 = comboData[len(y2):] # second data

    result1 = mod1(extract1, a, b, c)
    result2 = mod2(extract2, a, b, c)

    return np.append(result1, result2)


# some initial parameter values
initialParameters = np.array([1.0, 1.0, 1.0])

# curve fit the combined data to the combined function
fittedParameters, pcov = curve_fit(comboFunc, comboX, comboY, initialParameters)

# values for display of fitted function
a, b, c = fittedParameters

y_fit_1 = mod1(h, a, b, c) # first data set, first equation
y_fit_2 = mod2(h, a, b, c) # second data set, second equation

plt.plot(comboX, comboY, 'D') # plot the raw data
plt.plot(h, y_fit_1) # plot the equation using the fitted parameters
plt.plot(h, y_fit_2) # plot the equation using the fitted parameters
plt.show()

print(fittedParameters)

Python：使用共享参数拟合矩阵方程

1 个答案: