gpt4 book ai didi

python - scipy 与 matlab 中的 dblquad 给出不同的结果

转载 作者:太空宇宙 更新时间:2023-11-03 17:00:07 24 4
gpt4 key购买 nike

我想对一个函数进行双重积分。但在使用 dblquad 而不是 scipy.integrate 和 matlab 时,我得到了不同的结果。我的双积分函数的 python 实现如下:

###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 中重复相同的操作,使用等效的实现和相同的输入,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)

Scipy 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]]

和 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

我尝试更改容差和输入顺序,但两种解决方案始终不同。因此,我无法理解哪一个是准确的,我希望在 python 中它是正确的。有人可以建议这是否是 dblquad 求解器或我的代码中某处的错误吗?

最佳答案

从结果来看,Matlab 输出中重复出现 690(在 Python 的结果不同的地方)让人对 Matlab 的性能产生怀疑。

在 Matlab 中使用(已弃用的)函数 dblquad 的问题之一是,您为其指定的容差是绝对(据我了解)。这就是为什么当您指定 1e-6 时,1e-11 阶积分会出现错误。当您将其替换为 1e-12 时,计算时间会更长(因为现在必须以很高的精度计算较大的积分),但大小为 1e-21 的最小积分仍然是错误的。

因此,您应该使用支持相对容错的例程,例如 integral2

dblquad 替换 Matlab 行

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);

我明白

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,仍然存在很大差异。为了彻底解决这个问题,我分析计算了积分。具体结果是

 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预期的精度,但 Python/scipy 更接近。

<小时/>

为了完整起见,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

关于python - scipy 与 matlab 中的 dblquad 给出不同的结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35068388/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com