Объединение моделей подгонки кривой

Question

У меня есть эти 7 квазилоренцевых кривых, которые соответствуют моим данным.

и я хотел бы присоединиться к ним, чтобы сделать одну соединенную изогнутую линию.У вас есть идеи, как это сделать?Я прочитал о ComposingModel в lmfit документации, но не ясно, как это сделать.

Вот пример моего кода из двух подогнанных кривых.

for dataset in [Bxfft]:
    dataset = np.asarray(dataset)
    freqs, psd = signal.welch(dataset, fs=266336/300, window='hamming', nperseg=16192, scaling='spectrum')
    plt.semilogy(freqs[0:-7000], psd[0:-7000]/dataset.size**0, color='r', label='Bx')
    x = freqs[100:-7900]
    y = psd[100:-7900]

    # 8 Hz
    model = Model(lorentzian)
    params = model.make_params(amp=6, cen=5, sig=1, e=0)
    result = model.fit(y, params, x=x)
    final_fit = result.best_fit
    print "8 Hz mode"
    print(result.fit_report(min_correl=0.25))
    plt.plot(x, final_fit, 'k-', linewidth=2)

    # 14 Hz
    x2 = freqs[220:-7780]
    y2 = psd[220:-7780]

    model2 = Model(lorentzian)
    pars2 = model2.make_params(amp=6, cen=10, sig=3, e=0)
    pars2['amp'].value = 6
    result2 = model2.fit(y2, pars2, x=x2)
    final_fit2 = result2.best_fit
    print "14 Hz mode"
    print(result2.fit_report(min_correl=0.25))
    plt.plot(x2, final_fit2, 'k-', linewidth=2)

ОБНОВЛЕНИЕ !!!

Я использовал некоторые подсказки от пользователя @MNewville, который опубликовал ответ, и используя его код, я получил это:

Так что мойкод похож на его, но расширяется с каждым пиком.Сейчас я борюсь за то, чтобы заменить готовый LorentzModel своим собственным.

Проблема в том, что когда я делаю это, код выдает мне такую ​​ошибку.

C:\ Python27 \ lib \ site-packages \ lmfit \ printfuncs.py: 153: RuntimeWarning: недопустимое значение в формате double_scalars [[Model]] spercent = '({0: .2%})'. (Abs (par.stderr)/par.value))

О моей собственной модели:

    def lorentzian(x, amp, cen, sig, e):
         return (amp*(1-e)) / ((pow((1.0 * x - cen), 2)) + (pow(sig, 2)))

    peak1 = Model(lorentzian, prefix='p1_')
    peak2 = Model(lorentzian, prefix='p2_')
    peak3 = Model(lorentzian, prefix='p3_')

    # make composite by adding (or multiplying, etc) components
    model = peak1 + peak2 + peak3

    # make parameters for the full model, setting initial values
    # using the prefixes
    params = model.make_params(p1_amp=6, p1_cen=8, p1_sig=1, p1_e=0,
                               p2_ampe=16, p2_cen=14, p2_sig=3, p2_e=0,
                               p3_amp=16, p3_cen=21, p3_sig=3, p3_e=0,)

остальная часть кода похожа на @ MNewville

[! [enter imageописание здесь] [3]] [3]

Answer 1

Составная модель для 3 лоренцевцев выглядела бы так:

from lmfit import Model, LorentzianModel
peak1 = LorentzianModel(prefix='p1_')
peak2 = LorentzianModel(prefix='p2_')
peak3 = LorentzianModel(prefix='p3_')

# make composite by adding (or multiplying, etc) components
model = peak1 + peaks2 + peak3

# make parameters for the full model, setting initial values 
# using the prefixes
params = model.make_params(p1_amplitude=10, p1_center=8, p1_sigma=3,
                           p2_amplitude=10, p2_center=15, p2_sigma=3,
                           p3_amplitude=10, p3_center=20, p3_sigma=3)

# perhaps set bounds to prevent peaks from swapping or crazy values
params['p1_amplitude'].min = 0
params['p2_amplitude'].min = 0
params['p3_amplitude'].min = 0
params['p1_sigma'].min = 0
params['p2_sigma'].min = 0
params['p3_sigma'].min = 0
params['p1_center'].min = 2
params['p1_center'].max = 11
params['p2_center'].min = 10
params['p2_center'].max = 18
params['p3_center'].min = 17
params['p3_center'].max = 25

# then do a fit over the full data range
result = model.fit(y, params, x=x)

Я думаю, что вам не хватало ключевых частей: а) просто добавить модели вместе, и б) использовать префикс, чтобы избежать коллизий именпараметры.

Надеюсь, этого достаточно, чтобы вы начали ...