Ошибка: генерирование значений Nan путем подгонки кривой с помощью lmfit / scipy

Question

У меня есть функция и данные:

from lmfit import Model
from matplotlib import pyplot as plt
import numpy as np

def second_order(x, k_a, k_d):

   r = 1e-5
   s = 1e-5
   q = 10
   t = 51.1

   a = k_a * (r + s) + k_d
   b = np.sqrt(a**2 - 4*k_a**2*r*s)
   y = (2*k_a*r*s) / (a + b*((np.exp(b*x)+1)/(np.exp(b*x)-1)))
   return q + t * (y / r)

x = [0.005, 0.05, 0.1, 0.15, 0.2, 0.23274, 0.3, 0.35851, 0.4, 0.45, 0.47881, 0.55, 0.57861, 0.64559, 0.7, 0.75, 0.811, 0.85, 0.87116, 0.95, 1.01743, 1.05, 1.07758, 1.15, 1.2, 1.25, 1.3, 1.35, 1.4, 1.45, 1.5, 1.55, 1.6, 1.65, 1.7, 1.75, 1.8, 1.85, 1.9, 1.95, 2.0, 2.05, 2.1, 2.15, 2.2, 2.25, 2.3, 2.35, 2.4, 2.45, 2.5, 2.55, 2.6, 2.65, 2.7, 2.75, 2.8, 2.85, 2.9, 2.95, 3.0, 3.05, 3.1, 3.15, 3.2, 3.25, 3.3, 3.35, 3.4, 3.45, 3.5, 3.55, 3.6, 3.65, 3.7, 3.75, 3.8, 3.85, 3.9, 3.95, 4.0, 4.05, 4.1, 4.15, 4.2, 4.25, 4.3, 4.35, 4.4, 4.45, 4.5, 4.55, 4.6, 4.65, 4.7, 4.75, 4.8, 4.85, 4.9, 4.95, 5.0]
y = [10.5, 14.7, 18.9, 22.6, 25.9, 29.4, 31.6, 33.4, 36.1, 38.1, 39.8, 41.5, 42.9, 44.7, 45.6, 46.8, 47.2, 48.7, 49.7, 50.4, 50.6, 51.8, 52.5, 53.0, 53.3, 54.5, 53.8, 55.8, 55.3, 54.7, 55.7, 56.5, 56.1, 57.2, 56.6, 57.7, 56.8, 58.1, 57.8, 57.5, 59.0, 57.6, 58.8, 58.3, 58.8, 58.5, 59.2, 58.4, 59.0, 59.9, 59.1, 58.7, 59.2, 59.1, 59.6, 59.6, 59.2, 60.6, 59.1, 60.2, 59.4, 60.1, 59.4, 60.1, 59.9, 59.3, 60.6, 59.3, 60.4, 59.1, 60.7, 60.3, 59.4, 60.5, 59.4, 60.3, 59.2, 60.6, 58.8, 61.0, 59.2, 60.6, 59.5, 60.4, 59.5, 61.0, 58.6, 60.2, 59.9, 60.4, 59.5, 60.8, 60.0, 59.3, 60.4, 59.3, 61.1, 59.5, 60.2, 59.3, 60.9]


gmodel = Model(second_order)
print('parameter names: {}'.format(gmodel.param_names))
print('independent variables: {}'.format(gmodel.independent_vars))

result = gmodel.fit(y,x=x,k_a = 10, k_d = 10)

print(result.fit_report())

Диапазон данных для x составляет от 0,005 до 5, диапазон y от 10 до 60. Я всегда получаю ошибку:

Функция модели генерирует значения NaN, и подгонка отменяется! Пожалуйста, проверьте вашу модель и / или установите границы параметров, где это применимо. В подобных случаях использование "nan_policy = 'omit'", вероятно, не сработает.

Я не уверен, связано ли это с переполнением функцией exp ()? Я также исключил первую точку на 0, чтобы предотвратить деление на 0.

Спасибо за любую помощь.

Answer 1

Как вы, возможно, прочитали в { ссылка }, включая полный, работающий пример, всегда полезно. Поскольку ваши фрагменты кода + данные на самом деле не работают, я не пытался запустить ваш пример. Но вот несколько вещей, которые нужно проверить:

Первое: уверены ли вы, что аргумент np.sqrt() никогда не может быть отрицательным? Я не думаю, что вы делаете что-то, чтобы активно предотвратить это.

Второе: вы уверены, что аргумент np.exp() не может быть больше ~ 710? Это сгенерирует np.inf, что также остановит подгонку, но обычно с ней легче иметь дело, чем с np.nan, поскольку значение более понятно. Вы можете просто поставить верхнюю границу на b, чтобы b*x.max() < 705, возможно, просто с

b = min(705/x.max(), np.sqrt(a**2 - 4*k_a**2*r*s))