问枕与matlab中的dblquad给出了不同的结果
EN

Stack Overflow用户

提问于 2016-01-28 09:45:13

回答 1查看 596关注 0票数 1

我想双倍集成一个函数。但是当使用dblquad而不是scipy.integrate和matlab时，我得到了不同的结果。用于双重集成的python实现如下所示：

###Python implementation##
import numpy as np
from scipy.integrate import dblquad

def InitialCondition(x_b, y_b, m10, m20, N0):

    IC = np.zeros((len(x_b)-1,len(y_b)-1))
    for i in xrange(len(x_b) - 1):
        for j in xrange(len(y_b) - 1):
            IC[i,j], abserr =  dblquad(ExponenIC, x_b[i], x_b[i + 1], lambda x: y_b[j], lambda x: y_b[j+1], args=(m10, m20, N0), epsabs=1.49e-15, epsrel=1.49e-15)
    return IC

def ExponenIC(x, y, m10, m20, N0):

    retVal = (16 * N0) / (m10 * m20) * (x / m10)* (y / m20) * np.exp(-2 * (x / m10) - 2 * (y / m20))

    return retVal


if __name__=='__main__':
    x_min, x_max  = 0.0004, 20.0676
    x_b = np.exp(np.linspace(np.log(x_min), np.log(x_max), 4))
    y_b = np.copy(x_b)
    m10, m20, N0 = 0.04, 0.04, 1
    print InitialCondition(x_b, y_b, m10, m20, N0)

但是，如果我在matlab中重复使用相同的实现和输入，如下所示：

%%%Matlab equivalent%%%
function IC = test(x_b, y_b, m10, m20, N0)
for i = 1:length(x_b)-1
      for j = 1:length(y_b)-1
          IC(i, j) = dblquad(@ExponenIC, x_b(i), x_b(i+1), y_b(j), y_b(j+1), 1e-6, @quad, m10, m20, N0);
      end
end
return

function retVal = ExponenIC(x, y, m10, m20, N0)

 retVal = (16 * N0) / (m10*m20) * (x / m10) .* (y / m20) .* exp(-2*(x/m10) - 2 * (y/m20));  

return

% for calling
x_min = 0.0004;
x_max = 20.0676;
x_b  =  exp(linspace(log(x_min), log(x_max), 4));
y_b = x_b;
m10 =  0.04;
m20  =  0.04;
N0 = 1;
I = test(x_b, y_b, m10, m20, N0)

dblquad返回：

[[  2.84900512e-02   1.40266599e-01   7.34019842e-12]
 [  1.40266599e-01   6.90582083e-01   3.61383932e-11]
 [  7.28723691e-12   3.58776449e-11   1.89113430e-21]]

Matlab dblquad返回：

IC =
    28.4901e-003   140.2666e-003   144.9328e-012
   140.2666e-003   690.5820e-003   690.9716e-012
   144.9328e-012   690.9716e-012   737.2926e-021

我试图改变输入的公差和顺序，但是两种解决方案总是不同的。因此，我无法理解哪一个是准确的，我想让它在python中正确。如果这是dblquad解决程序中的一个bug，或者在我的代码中的某个地方，有人能提出建议吗？

python

matlab

numpy

scipy

integration

云开发个人版免费体验1个月

云开发是云原生一体化开发环境和工具平台，提供高可用、自动弹性扩缩的后端云服务，可用于云端一体化开发多种端应用

回答 1

Stack Overflow用户

回答已采纳

发布于 2016-01-29 15:30:27

从结果来看，在Matlab输出中重复690 (在Python有不同结果的地方)对Matlab的性能产生了怀疑。

在Matlab中使用(不推荐的)函数dblquad的问题之一是，您对它指定的容限是绝对的(据我理解)。这就是为什么当你指定1e-6的时候，1e-11的积分是错误的。当你用1e-12代替它时，计算要花费更长的时间(因为现在必须将较大的积分计算得非常精确)，但是最小的积分，大小为1e-21，仍然是错误的。

因此，您应该使用支持相对容错的例程，例如integral2。

用dblquad替换Matlab线

IC(i, j) = integral2(@(x,y) ExponenIC(x,y, m10, m20, N0), x_b(i), x_b(i+1), y_b(j), y_b(j+1), 'RelTol', 1e-12);

我得到了

0.0284900512006556     0.14026659933722     7.10653215130477e-12
0.14026659933722       0.690582082532588    3.51109000906259e-11 
7.10653215130476e-12   3.5110900090626e-11  1.78512164747727e-21

这与Python输出大致一致。尽管如此，仍然存在着很大的差异。为了明确地解决这一问题，我分析计算了积分。确切的结果是

 0.0284900512006717     0.140266599337199     7.28723691243472e-12 
 0.140266599337199      0.690582082532677     3.58776449039036e-11 
 7.28723691243472e-12   3.58776449039036e-11  1.86394265998016e-21

这两个包都没有达到所需的精度，但是Python/scipy更接近。

为了完整，输出解析解的循环：

function IC = test(x_b, y_b, m10, m20, N0)
F = @(x,a)  -0.25*exp(-2*x/a)*(2*x+a);
for i = 1:length(x_b)-1
      for j = 1:length(y_b)-1
          IC(i,j) = (16 * N0) / (m10*m20) *(F(x_b(i+1),m10)-F(x_b(i),m10)) * (F(y_b(j+1),m20)-F(y_b(j),m20));
      end
end
end