这是一个非常具体的问题,我希望社区能帮我解决。提前谢谢。在
所以我有两组数据,一组是实验数据,另一组是基于方程。我正在尝试将数据点拟合到这条曲线上,从而获得我感兴趣的缺失变量。即Ebfit函数中的a和b。在
代码如下:
%matplotlib notebook
import numpy as np
import matplotlib.pyplot as plt
import scipy.stats as spys
from scipy.optimize import curve_fit
time = [60,220,520,1840]
Moment = [0.64227262,0.468318916,0.197100772,0.104512508]
Temperature = 25 # Bake temperature in degrees C
Nb = len(Moment) # Number of bake measurements
Baketime_a = time #[s]
N_Device = 10000 # No. of devices considered in the array
T_ambient = 273 + Temperature
kt = 0.0256*(T_ambient/298) # In units of eV
f0 = 1e9 # Attempt frequency
def Ebfit(x,a,b):
Eb_mean = a*(0.0256/kt) # Eb at bake temperature
Eb_sigma = b*Eb_mean
Foursigma = 4*Eb_sigma
Eb_a = np.linspace(Eb_mean-Foursigma,Eb_mean+Foursigma,N_Device)
dEb = Eb_a[1] - Eb_a[0]
pdfEb_a = spys.norm.pdf(Eb_a,Eb_mean,Eb_sigma)
## Retention Time
DMom = np.zeros(len(x),float)
tau = (1/f0)*np.exp(Eb_a)
for bb in range(len(x)):
DMom[bb]= (1 - 2*(sum(pdfEb_a*(1 - np.exp(np.divide(-x[bb],tau))))*dEb))
return DMom
a = 30
b = 0.10
params,extras = curve_fit(Ebfit,time,Moment)
x_new = list(range(0,2000,1))
y_new = Ebfit(x_new,params[0],params[1])
plt.plot(time,Moment, 'o', label = 'data points')
plt.plot(x_new,y_new, label = 'fitted curve')
plt.legend()
我遇到的主要问题是,当我使用大量的点时,数据与函数的拟合不起作用。在上面的代码中,当我使用4个点(时间和时刻)时,这个代码可以正常工作。在
我得到了a和b的以下值。在
数组([29.11832766,0.13918353])
a的预期值为(23-50),b为(0.06-0.15)。所以这些值在可接受的范围内。这是相应的绘图:
然而,当我使用我的实际实验标准化数据和大约500点。在
编辑:此数据:
标准化数据
https://www.dropbox.com/s/64zke4wckxc1r75/Normalized%20Data.csv?dl=0
原始数据
https://www.dropbox.com/s/ojgse5ibp59r8nw/Data1.csv?dl=0
我得到了以下值,并绘制了超出可接受范围的a和b
数组([-13.76687781,-12.90494196])
我知道这些值是错误的,如果我手动操作(缓慢地调整值以获得合适的拟合),它将大约是a=30.1和b=0.09。当绘图看起来像这样:
我尝试过改变a&b的初始猜测值、其他实验数据集以及类似线程中的其他建议。似乎都不适合我。感谢您能提供的任何帮助。谢谢。在
一。 . . . 在
附加信息
式中,Dmom=1-2*Psw
a是Eb值,而b是Sigma值,其中Eb有一个由概率密度函数确定的值范围和Sigma值的4倍(即Foursigma)。然后将这个分布求和,用于最后的方程。在
看来您确实需要对
a
和b
进行初步猜测。也许你所拟合的函数表现得不太好,这就是为什么它很容易因偏离全局最小值的初步猜测而失败。尽管如此,下面是一个如何拟合数据的有效示例:产生}的值:
^{pr2}$a
和{这样就得到了一个精确对齐的函数拟合。在
相关问题 更多 >
编程相关推荐