我尝试使用下面的代码(不相关的部分去掉)来解决积分方程方程scipy.optimize.fsolve精度:改善与涉及集成
def _pdf(self, a, b, c, t):
pdf = some_pdf(a,b,c,t)
return pdf
def _result(self, a, b, c, flag):
return fsolve(lambda t: flag - 1 + quad(lambda tau: self._pdf(a, b, c, tau), 0, t)[0], x0)[0]
这需要一个概率密度函数,并找到了结果tau
使得从tau到无穷大的pdf的积分等于flag
。请注意,x0
是脚本中其他位置定义的根(浮点)估计值。还请注意,flag
是一个非常小的数字,大小为1e-9
。
在我的应用程序中,fsolve只能成功找到约50%的时间。它通常只会返回x0
,显着偏向我的结果。对于pdf的积分没有封闭的形式,所以我不得不用数字的方式进行积分,并认为这可能会导致一些不准确的情况?
编辑:
这已经被使用比下面描述的其它的方法来解决,但我想获得quadpy工作,看看结果在所有提高。我试图去工作的具体代码如下:
import quadpy
import numpy as np
from scipy.optimize import *
from scipy.special import gammaln, kv, gammaincinv, gamma
from scipy.integrate import quad, simps
l = 226.02453163
mu = 0.00212571582056
nu = 4.86569872444
flag = 2.5e-09
estimate = 3 * mu
def pdf(l, mu, nu, t):
return np.exp(np.log(2) + (l + nu - 1 + 1)/2 * np.log(l * nu/mu) + (l + nu - 1 - 1)/2 * np.log(t) + np.log(
kv(nu - l, 2 * np.sqrt(l * nu/mu * t))) - gammaln(l) - gammaln(nu))
def tail_cdf(l, mu, nu, tau):
i, error = quadpy.line_segment.adaptive_integrate(
lambda t: pdf(l, mu, nu, t), [tau, 10000], 1.0e-10
)
return i
result = fsolve(lambda tau: flag - tail_cdf(l, mu, nu, tau[0]), estimate)
当我运行此我从assert all(lengths > minimum_interval_length)
得到一个断言错误。我不太确定如何解决这个问题。任何帮助将非常感谢!
如果我正确地读取了您的代码,您设置它的方式会浪费9位数的精度;难怪scipy正在挣扎。你不能从_t_到+ infinity执行积分吗? –
@PaulPanzer对不起,但9位数字从哪里来? – oirectine
如果我正确理解你,你最终希望匹配_flag_,这是1e-9的顺序。但是你在1 - _flag_上做了实际的根发现,这意味着如果你用相对精度为1e-12(这是相当苛刻的并且不总是可能的)然后从1 - _S_变回到_S_,然后_S_将会有1e-12阶的绝对误差,所以相对误差为1e-3阶。如果你可以从_tau_到+ infinity集成,那么你可以直接与_flag_比较,这个问题就会消失。 –