Python的最小平方与scipy.integrate.quad

I; m无法为我的代码寻找一个错误消息来找到一些参数，以适应两个参数（eps和sig）中的复杂最小二乘。Python的最小平方与scipy.integrate.quad

from pylab import * 
import scipy 
import numpy as np 

from scipy import integrate, optimize 

# Estimate parameters with least squares fit 
T = [90, 100, 110, 120, 130, 140, 150, 160, 170, 180, 190, 200, 210, 220, 230, 240, 250, 260, 270, 280, 290, 300] 
B = [-0.2221, -0.18276, -0.15348, -0.13088, -0.11293, -0.09836, -0.086301, -0.076166, -0.067535, -0.060101, -0.053636, -0.047963, -0.04295, -0.038488, -0.034494, -0.030899, -0.027648, -0.02469, -0.022, -0.019534, -0.017268, -0.015181] 


def funeval(Temp,eps,sig): 
    return -2.*np.pi*scipy.integrate.quad(lambda x: np.exp(4.*eps/Temp*((sig/x)**6.-(sig/x)**12.)*(x**2)) ,0.0,Inf)[0] 

def residuals(p,y,Temp): 
    eps,sig = p 
    err = y-(funeval(Temp,eps,sig)) 
    return err 

print funeval(90.,0.001, 0.0002) 

plsq = scipy.optimize.leastsq(residuals, [0.00001, 0.0002], args=(B, T))

的funeval给出了一个合理的浮动，但是当我运行的代码返回：

error: Supplied function does not return a valid float.

错误似乎没有对初始条件的敏感。我是python的新手，所以任何帮助或指导来帮助将不胜感激。谢谢。

来源

2013-09-21 doubletheron

With funeval(90.,0.001, 0.0002)，Temp是一个奇异值;但是，当您拨打scipy.optimize时，您将整个T阵列传递给funeval，导致scipy.integrate崩溃。

速战速决会做这样的事情：

def funeval(Temp,eps,sig): 
    out=[] 
    for T in Temp: 
     val = scipy.integrate.quad(lambda x: np.expm1(((4.*eps)/T)* ((sig/x)**12.-(sig/x)**6.)* (x**2.)), 0.0, np.inf)[0] 
     out.append(val) 
    return np.array(out) 

def residuals(p,y,Temp): 
    eps,sig = p 
    err = y-(funeval(Temp,eps,sig)) 
    return err 

print funeval([90],0.001, 0.0002) 

plsq = scipy.optimize.leastsq(residuals, [0.00001, 0.0002], args=(B, T)) 
(array([ 3.52991175e-06, 9.04143361e-02]), 1)

此，不幸的是，不收敛得很好。你能解释你想做什么吗？

来源

2013-09-21 01:15:34 Daniel

当然，感谢您的帮助。这个想法是计算关于第二维里系数的氩气给定数据的Lennard Jones势能参数。因此，描述这种关系的公式是http://i.imgur.com/VfCl5EE.gif 所以这个想法是罚款epsilon和西格玛。（它们应该在120和341e-9左右）（仍在学习SO接口） – doubletheron

@dthertheron请查看我的编辑，你忘记了'-1'。你也应该使用['np.expm1']（http://docs.scipy.org/doc/numpy/reference/generated/numpy.expm1.html），请查看页面的解释。你可能要考虑加权不同的温度。 – Daniel

我发现教科书在说谎。 Book 1（a liar）：http://i.imgur.com/fAO4Fdl.jpg Book 2（很可能说实话）：http://i.imgur.com/GVJVSaT.jpg 所以我修好了用“funeval”表示，但仍然没有收敛。 – doubletheron

Python的最小平方与scipy.integrate.quad

回答

相关问题