我记录了固体表面五个位置的实验温度。在每个时间步,我希望将这些读数拟合到由我的函数定义的理论曲线: Temp_Function_JLT(X,h)。X是一个多维数组,包括x_coordinates以及时间、初始温度和材料属性(所有自变量)。"h“是换热系数,出于本练习的目的,我试图对其进行优化(暂时不考虑物理问题)。这是我的温度函数的定义: import numpy as np
i
在我之前的两篇文章(post1,post 2)之后,我现在已经达到了使用scipy来寻找曲线拟合的地步。然而,我的代码产生了一个错误。 我正在使用的.csv文件的一个示例位于post1中。def func(x, a , b , c , d , e):
popt, pcov = optimize.curve_fit(func,
我正在尝试使用scipy.curve_fit来拟合曲线到数据,当我释放所有3个参数时,一切都正常工作,我得到了预期的结果。=2)时,如下所示: return a*np.exp(b*(x**2))
我按照链接问题中的建议使用numpy.power(x,2)获取TypeError: unsupported operand type(s) for ** or pow(): 'int'