我要使用python将模拟的光曲线与实际的光曲线进行比较。应该提到的是，测量数据包含间隙和离群值，并且时间步长不是恒定的。但是，该模型包含恒定的时间步长。 第一步，我想用一种统计方法比较两条光曲线的相似程度。哪种方法最适合？
第二步，我想使模型适合我的测量数据。但是，模型数据不是在Python中计算的，而是在独立软件中计算的。基本上，模型数据取决于四个参数，所有这些参数都限制在一定范围内，我目前正在手动将这些参数输入软件（计划是自动的）。 建立合适的拟合的最佳方法是什么？ 我现在想到了“ Brute-Force-Fit”。
此链接“ https://imgur.com/a/zZ5xoqB”提供了三种不同的绘图。模拟的光曲线，实际的测量结果以及最后两者结合在一起。模拟效果不好，但是通过使用参数可以得到可接受的结果。这意味着相位和周期是相同的，幅度是相同的顺序，甚至镜面反射也应该在同一周期内发生。
答案 0 :(得分：0)
如果我正确理解这一点，那么您是在问一个更基础的问题，可以用https://datascience.stackexchange.com/更好地回答，而不是Python特有的问题。
也就是说，作为数据科学外行，这可能是一个适用于均方误差成本函数的梯度下降的问题。初始化曲线的参数（可能是随机的），然后计算已知点的平方误差。
然后依次更改每个参数，并计算成本函数的影响方式。然后，沿减小成本函数的方向更改所有参数（微小更改）。重复此操作，直到参数停止更改。
（请注意，这可能会使您陷入当地的最低状况，而无法正常工作。）
更多信息：https://towardsdatascience.com/implement-gradient-descent-in-python-9b93ed7108d1
编辑：我忽略了这一部分
模拟效果不好，但是通过使用参数可以得到可接受的结果。这意味着相位和周期是相同的，幅度是相同的顺序，甚至镜面反射也应该在同一周期内发生。
模拟曲线是正弦波的总和吗，参数是否只是每个正弦波的相位/周期/振幅？在这种情况下，您要寻找的是信号的Fourier transform，使用numpy可以很容易地对其进行计算：https://docs.scipy.org/doc/scipy/reference/tutorial/fftpack.html