- mongodb - 在 MongoDB mapreduce 中,如何展平值对象?
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗?
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
scipy.integrate.ode
的(简要)文档说两种方法(dopri5
和 dop853
)具有步长控制和密集输出.查看示例和代码本身,我只能看到一种从集成器获取输出的非常简单的方法。即,看起来您只是将积分器向前移动了某个固定的 dt,获取当时的函数值,然后重复。
我的问题有相当多变的时间尺度,所以我想在需要评估的任何时间步获取值以达到所需的容差。也就是说,在早期,事情正在缓慢变化,因此输出时间步长可能很大。但随着事情变得有趣,输出时间步长必须更小。我实际上并不想要等间隔的密集输出,我只想要自适应函数使用的时间步长。
一个相关的概念(几乎相反)是“密集输出”,即所采取的步数与步进器一样大,但函数的值是插值的(通常精度与步进器的精度相当) 到任何你想要的。 fortran 底层 scipy.integrate.ode
显然可以做到这一点,但 ode
没有接口(interface)。另一方面,odeint
是基于不同的代码,并且显然会进行密集输出。 (您可以在每次调用右侧时输出以查看何时发生,并查看它与输出时间无关。)
所以我仍然可以利用自适应性,只要我可以提前决定我想要的输出时间步长。不幸的是,对于我最喜欢的系统,我什至不知道作为时间函数的大致时间尺度是什么,直到我运行集成。所以我必须将采取积分器步骤的想法与密集输出的概念结合起来。
显然,scipy 1.0.0 通过一个新接口(interface)引入了对密集输出的支持。特别是,他们建议从 scipy.integrate.odeint
转向 scipy.integrate.solve_ivp
。 ,作为关键字dense_output
。如果设置为 True
,则返回的对象具有属性 sol
,您可以使用时间数组调用该属性,然后返回这些时间的集成函数值。这仍然不能解决这个问题的问题,但它在很多情况下很有用。
最佳答案
自从 SciPy 0.13.0 ,
The intermediate results from the
dopri
family of ODE solvers can now be accessed by asolout
callback function.
import numpy as np
from scipy.integrate import ode
import matplotlib.pyplot as plt
def logistic(t, y, r):
return r * y * (1.0 - y)
r = .01
t0 = 0
y0 = 1e-5
t1 = 5000.0
backend = 'dopri5'
# backend = 'dop853'
solver = ode(logistic).set_integrator(backend)
sol = []
def solout(t, y):
sol.append([t, *y])
solver.set_solout(solout)
solver.set_initial_value(y0, t0).set_f_params(r)
solver.integrate(t1)
sol = np.array(sol)
plt.plot(sol[:,0], sol[:,1], 'b.-')
plt.show()
结果似乎与 Tim D 的略有不同,尽管他们都使用相同的后端。我怀疑这与 dopri5
的 FSAL 属性有关。在Tim的方法中,我认为第七阶段的结果k7被丢弃了,所以重新计算k1。
注意:有一个已知的 bug with set_solout not working if you set it after setting initial values .从 SciPy 0.17.0 起已修复.
关于python - 通过 scipy.integrate.ode 使用自适应步长,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12926393/
我有以下代码: def multirk4(funcs, x0, y0, step, xmax): n = len(funcs) table = [[x0] + y0] f1,
我写了下面的代码。它是一个 ODE,其中有一个参数作为另一个 ODE。正如我们所见,M(m0,z,b,c) 用于另一个ODE,它本身就是一个ODE 函数。代码非常慢,有人能给我建议如何改进它吗? im
我目前正在尝试使用 SciPy 的 integrate.ode 包来求解一对耦合的一阶 ODE:比如 Lotka-Volterra predator-prey equation .但是,这意味着在集成
我在使用 scipy.integrate.ode 求解两个非常简单的非耦合 ODE 时遇到了问题。例如下面的简单代码: from scipy.integrate import ode def f(
我有以下包含一些颂歌的函数: myfunction 20) { # this is an internal threshold! Y <- 35000
是否使用odeint在这个方程中遇到了问题或 solve_ivp来解决。 import numpy as np from scipy.integrate import solve_ivp import
我有一个函数dφ/dt = γ - F(φ) (其中 F(φ) -- a 是 2π -周期函数)和函数图 F(φ) . 我需要创建一个输出 φ(t) 的 6 个图的程序对于 γ 的不同值(γ = 0.
我正在尝试解决来自 DifferentialEquation 包的典型示例, 根据他们页面上的指南。 这是示例: using DifferentialEquations using Plots fun
我正在尝试复制发布的湖泊食物网络模型 here 。该模型代表两条食物链(沿海与远洋),由顶级捕食者(鱼类)连接。我已经对模型进行了编码,但是当我在 2-3 个时间步骤后运行它时,模型会生成 NaN。我
我正在尝试复制发布的湖泊食物网络模型 here 。该模型代表两条食物链(沿海与远洋),由顶级捕食者(鱼类)连接。我已经对模型进行了编码,但是当我在 2-3 个时间步骤后运行它时,模型会生成 NaN。我
我正在编写一些代码,其中我有以下方程组 here .问题是我非常想解决多个 k 值以及为每个 k 值绘制相平面/颤动图。有人可以帮帮我吗?到目前为止,这是我对求解器的了解: import numpy
我有一些微分方程需要使用 MATLAB 的 ODE 求解器求解。虽然微分方程本身相当简单,但它们取决于很多“常数”。这些常量不是通用的,需要由调用者提供。 这种 ODE 的例子是: dx/dt = -
我有一个看起来像的系统 dn/dt=f(n,v) dh/dt=g(h,v) 我想在流形 F(v,n,h)=0 上求解这个方程,流形是 v 中的非线性函数。我尝试使用类似 v=fzero(@(x) F(
我正在尝试求解具有复杂条目的 ODE 系统。从 GSL 文档可以看出它只接受真实条目。有没有办法传递复杂的(比区分实部和虚部更直接的方法)?如果不可能,您能否为此目的推荐任何其他好的图书馆? 最佳答案
我一直在尝试实现贝叶斯 ODE。在石油工业中,我们使用以下等式来拟合生产数据然后进行预测: ODE 方程描述为: 其中 0 我的初始代码: using DiffEqFlux, OrdinaryDiff
我一直在尝试实现 ODE 模型来模拟胰岛素信号通路,正如 supplementary material 中所介绍的那样的 this paper , 使用 python's GEKKO . 实现的模型变
我们可以使用 deSolve R 中的常微分方程 (ODE) 包,但是,我找不到解决两个嵌套 ODE 方程的方法,假设` b'(t) = beta - k*b(t); a'(t) = alpha -b
我正在尝试找出 Dymola 解决 Modelica 代码所需的步骤。通过阅读一些引用文献和书籍,我了解到 Dymola: 将 Modelica 代码转换为混合 DAE(扁平化)。 操纵 DAE 以将
这是我在这里的第一个问题,所以如果格式被关闭,我很抱歉。 我想将牛顿万有引力定律建模为 Python 中的二阶微分方程,但结果图没有意义。供引用,here's the equation和[这是结果][
如何使用 Sympy 求解矩阵微分方程? 我有一个形式为 y'(t) = A*y(t) + B 的方程,其中 A 是一个 3x3 矩阵,y(t) 是一个 1x3 向量,B 是一个 1x3 向量。 更具
我是一名优秀的程序员,十分优秀!