问使用lmfit模型对多峰数据进行最佳拟合
EN

Stack Overflow用户

提问于 2019-03-23 21:56:19

回答 1查看 672关注 0票数 -1

import matplotlib.pyplot as plt
import numpy as np
from lmfit import Model
x=np.array([4698.031, 4698.027, 4698.024, 4698.021, 4698.017, 4698.014,4698.011, 4698.007, 4698.004, 4698.001, 4697.997, 4697.994, 4697.991, 4697.987, 4697.984, 4697.981, 4697.977, 4697.974, 4697.971, 4697.967, 4697.964, 4697.961, 4697.957, 4697.954, 4697.951, 4697.947, 4697.944, 4697.941, 4697.937, 4697.934, 4697.931, 4697.927, 4697.924, 4697.921, 4697.917])
y=np.array([0.56565, 0.586575, 0.70335, 0.991245, 1.447545, 4.944375, 11.97281, 18.22095, 19.7613, 17.13792, 13.35083, 10.26506, 7.898505, 5.084775, 2.4192, 1.34358, 0.829905, 1.31322, 3.2049, 4.0095, 2.83263, 1.51605, 0.643275, 0.48972, 0.432675, 0.084375, 0.135345, 0.362145, 0.34425, 0.307125, 0.469125, 0.297, 0.183255, 0.528855, 0.523125])
gmodel = Model(gaussian, prefix='p1_') + Model(gaussian, prefix='p2_')
params = gmodel.make_params(p1_amp=0.1, p1_cen=4697.97, p1_wid=0.005, p2_amp=0.5, p2_cen=4698.00, p2_wid=0.005)


params['p1_cen'].min = x.min()
params['p1_cen'].max = 4697.98
params['p2_cen'].min = 4697.98
params['p2_cen'].max = x.max()

result = gmodel.fit(y, params, x=x)

更新了程序的几个问题

，

，当我运行这个程序时，它给我一个错误。回溯(最近一次调用)：

文件""，第7行，gmodel =Model(高斯，前缀=‘p1_’)+模型(高斯，前缀=‘p2_’)

NameError:未定义名称“”gaussian“”

为此，我包含了from lmfit.lineshapes import gaussian，并且它是有效的。

是对还是错？？

添加库/包后，程序显示回溯(最近一次调用)：

文件""，第9行，参数‘p1_’..min= x.min()

KeyError：'p1_cen‘

帮我解决这个问题。

删除params之后，程序运行没有任何错误，但是我该怎么做才能显示给定数据n最佳拟合数据的曲线图。我只是对给定的数据执行了plt.plot(x,y)，但不知道如何才能获得最合适的数据.....

python

lmfit

回答 1

Stack Overflow用户

回答已采纳

发布于 2019-03-24 05:11:38

你需要给出更好的开始猜测。您的数据x范围从4697.8到4698.0，但是您最初对cen的猜测是1.0，远远超出了您的数据范围。将数据的初始值更改为更合理的值。

解决如何拟合两个峰值的问题的更新：

要拟合两个峰值，可以创建一个复合模型，如下所示

gmodel = Model(gaussian, prefix='p1_') + Model(gaussian, prefix='p2_')

result  = gmodel.fit(y, x=x, p1_amp=0.1, p1_cen=4697.97, p1_wid=0.005,
                     p2_amp=0.5, p2_cen=4698.00, p2_wid=0.005)

这将创建一个将2个高斯相加在一起的模型，并为一个模型的参数名称提供前缀p1_，为另一个模型的参数提供前缀p2_。然后，您可以在进行拟合时为每个参数指定初始值。

通常建议为每个模型创建一个lmfit.Parameters实例，这样可以进一步操作参数设置，例如设置上下限。对于这种模型，确保峰值不能重叠太近或重叠可能会有所帮助。你可以这样做：

gmodel = Model(gaussian, prefix='p1_') + Model(gaussian, prefix='p2_')

params = gmodel.make_params(p1_amp=0.1, p1_cen=4697.97, p1_wid=0.005,
                            p2_amp=0.5, p2_cen=4698.00, p2_wid=0.005)
params['p1_cen'].min = x.min()
params['p1_cen'].max = 4697.98
params['p2_cen'].min = 4697.98
params['p2_cen'].max = x.max()

result = gmodel.fit(y, params, x=x)