- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
对于二阶 ODE(python 中的 dopri5 方法),下面的代码总是会导致错误:C:\Users\MY\Anaconda3\lib\site-packages\scipy\integrate\_ode.py: 1019:用户警告:dopri5:需要更大的 nmax
。我已经更改了参数,但似乎没有任何帮助。即使设置
self.messages.get(idid, 'Unexpected idid=%s' % idid))nsteps=100000
也不起作用。除了增加nsteps
之外,还有其他方法可以解决这个问题吗?
from scipy.integrate import ode
import numpy as np
def fun(t, y):
return np.array([y[1], -3/t*y[1] + 7/(t**6)*y[0]])
yinit = np.array([0.01, 0.2])
dt = 0.01
t_stop = 2
solver = ode(fun).set_integrator('dopri5', nsteps=100000).set_initial_value(yinit)
solver.t = 0.001
t_RK4_sci = [0]
x_RK4_sci = [yinit]
while solver.successful() and solver.t < t_stop:
solver.integrate(solver.t+dt, step=True)
t_RK4_sci.append(solver.t)
x_RK4_sci.append(solver.y)
t_RK4_sci = np.array(t_RK4_sci)
x_RK4_sci = np.array(x_RK4_sci)
最佳答案
放一个
print t,y
作为 fun
中的第一行看到您的解决方案在使用非常小的步长时迅速爆炸。该日志的最后几行是
0.00100025397168 [ 2.57204893e+289 6.79981963e+298]
0.00100025397168 [ 2.57204893e+289 6.79981963e+298]
0.00100025397168 [ 2.57204893e+289 6.79981964e+298]
0.00100025397168 [ 2.57204893e+289 6.79981964e+298]
0.00100025397168 [ 2.57204897e+289 6.79981974e+298]
0.00100025397168 [ 2.57204899e+289 inf]
0.00100025397168 [ inf nan]
0.00100025397168 [ nan nan]
0.00100025397168 [ nan nan]
0.00100025397168 [ nan nan]
0.00100025397168 [ 2.57204894e+289 6.79981966e+298]
0.00100025397168 [ 2.57204894e+289 inf]
0.00100025397168 [ inf nan]
0.00100025397168 [ nan nan]
0.00100025397168 [ nan nan]
0.00100025397168 [ nan nan]
/usr/lib/python2.7/dist-packages/scipy/integrate
/_ode.py:1018: UserWarning: dopri5: step size becomes too small
self.messages.get(idid, 'Unexpected idid=%s' % idid))
要查看它的数学方面,请观察初始 Lipschitz 常数位于 L=1e+18
的某处。 .
必须遵守数值积分的有用步长 L*dt < 10
,可能是一个更小的上限,以保持在显式方法的 A 稳定性区域内。
从局部到全局误差的放大率为(exp(L*T)-1)
, 其中T
是积分区间的长度。这意味着只能乐观地预期有意义的结果 L*T < 50
, 这给出了 T<5e-17
.
在这些理论限制下,dopri5 积分器在实践中证明非常稳健,因为它仅在 T=2.5e-7
处退出。 .
欧拉形式的微扰
t²·y'' + 3t·y' - 7/t0^4·y = 0
在
范围内给出初始增长(t/t0) ^ 3e6
并且由于最大的双倍值在 10^300
左右大约在
t/t0 = 10 ^ 1e-4 = 1.00023028502 or t=0.00100023028502
这是最接近数值积分退出的位置,因此可能是真正的原因。 (更好的界限是 10^(308/2.6e6)=1.00027280498
。)
不仅这个微分方程有一个非常大的 Lipschitz 常数,因此表现不佳或僵硬,而且就欧拉方程的近似值而言,精确解的增长速度如此之快,超过了 double
。数值积分失效时的范围。也就是说,即使是像隐式积分器这样更好的方法也不会给出更好的结果。
关于python - 二阶 ODE dopri5 python UserWarning : larger nmax,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34584609/
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!