Question

我已经尝试过使用方程式系统来让Python解决和绘图，但是绘图无法正确显示。这是我的代码：

from scipy.integrate import odeint
import numpy as np
import matplotlib.pyplot as plt


#function that returns dx/dt and dy/dt
def func(z,t):
    for r in range(-10,10):
                beta=2
                gamma=0.8

                c = z[0]
                tau = z[1]
                dcdt = r*c+c**2-c**3-beta*c*tau**2
                dtaudt = -gamma*tau+0.5*beta*c*tau
    return [dcdt,dtaudt]

#inital conditions
z0 = [2,0]

#time points
t = np.linspace(0,24,100)

#solve ODE
z = odeint(func,z0,t)

#seperating answers out

c = z[:,0]
tau = z[:,1]

print(z)


#plot results
plt.plot(t,c,'r-')
plt.plot(t,tau,'b--')
plt.legend(['c(t)','tau(t)'])
plt.show()

让我解释一下。我正在研究双扩散对流。我不希望对r的值做任何假设，但beta和gamma是正数。所以我想给它们赋值，而不给r赋值。这是我从了解问题中得到的图，该图不正确。 tau图绝对不应卡在0上，而c图应该做更多。我是Python的新手，现在正在学习课程，但我确实想了解我做错了什么，因此希望能以简单的语言提供帮助。

Answer 1

我发现您应该检查的2个问题。

    for r in range(-10,10):

在这里，您正在做一个for循环，只是重新评估dcdt和dtaudt。结果，输出值与评估r = 9（循环中的最后一个值）相同

    dtaudt = -gamma*tau+0.5*beta*c*tau

这里有dtaudt = tau*(beta*c/2. -gamma)。您选择的tau[0]=0表示tau将保持为0。

尝试一下：

from scipy.integrate import odeint
import numpy as np
import matplotlib.pyplot as plt

r = 1
beta=2
gamma=0.8

#function that returns dx/dt and dy/dt
def func(z,t):
    c = z[0]
    tau = z[1]
    dcdt = r*c+c**2-c**3-beta*c*tau**2
    dtaudt = -gamma*tau+0.5*beta*c*tau
    print(dtaudt)
    return [dcdt,dtaudt]

#inital conditions
z0 = [2,0.2] #tau[0] =!0.0

#time points
t = np.linspace(0,24,100)

#solve ODE
z = odeint(func,z0,t)

#seperating answers out

c = z[:,0]
tau = z[:,1]

#plot results
plt.plot(t,c,'r-')
plt.plot(t,tau,'b--')
plt.legend(['c(t)','tau(t)'])
plt.show()

如何积分耦合微分方程？

1 个答案: