Кривая подгонка сложных данных - PullRequest
Новая
       8

Кривая подгонка сложных данных

0 голосов
/ 06 мая 2018

Я хочу дополнить сложный набор данных двумя функциями с одинаковыми параметрами. Для этого я использовал 

def funcReal(x,a,b,c,d):
    return np.real((a + 1j*b)*(np.exp(1j*k*x - kappa1*x) - np.exp(kappa2*x)) + (c + 1j*d)*(np.exp(-1j*k*x - kappa1*x) - np.exp(-kappa2*x)))

def funcImag(x,a,b,c,d):
    return np.imag((a + 1j*b)*(np.exp(1j*k*x - kappa1*x) - np.exp(kappa2*x)) + (c + 1j*d)*(np.exp(-1j*k*x - kappa1*x) - np.exp(-kappa2*x)))`

poptReal, pcovReal = curve_fit(funcReal, x, yReal)
poptImag, pcovImag = curve_fit(funcImag, x, yImag)

Здесь funcReal - это реальная часть моей модели, funcImag мнимая часть, yReal реальная часть данных и yImag мнимая часть данных.

Однако оба совпадения не дают мне одинаковые параметры для действительной и мнимой частей.

У меня вопрос, есть ли такой пакет или метод, который позволяет реализовать несколько подгонок для нескольких наборов данных и нескольких функций с общими параметрами?

1 Ответ

0 голосов
/ 06 мая 2018

Как то так? 

def long_function(x, a, b, c, d):
    return (a + 1j*b)*(np.exp(1j*k*x - kappa1*x) - np.exp(kappa2*x)) + (c + 1j*d)*(np.exp(-1j*k*x - kappa1*x) - np.exp(-kappa2*x))

def funcBoth(x, a, b, c, d):
    N = len(x)
    x_real = x[:N//2]
    x_imag = x[N//2:]
    y_real = np.real(long_function(x_real, a, b, c, d))
    y_imag = np.imag(long_function(x_imag, a, b, c, d))
    return np.hstack([y_real, y_imag])

yBoth = np.hstack([yReal, yImag])
poptBoth, pcovBoth = curve_fit(funcBoth, x, yBoth)
...