- 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?
我目前正在尝试按照此处的教程 (http://www.r-bloggers.com/learning-r-parameter-fitting-for-models-involving-differential-equations/) 在 pkg-minpack.lm
中使用 Levenberg-Marquardt 例程 (nls.lm) 来拟合 ODE 函数响应。
在示例中,他通过首先设置一个函数 rxnrate 来拟合数据,我修改如下所示:
library(ggplot2) #library for plotting
library(reshape2) # library for reshaping data (tall-narrow <-> short-wide)
library(deSolve) # library for solving differential equations
library(minpack.lm) # library for least squares fit using levenberg-marquart algorithm
# prediction of concentration
# rate function
rxnrate=function(t,c,parms){
# rate constant passed through a list called parms
k1=parms$k1
k2=parms$k2
k3=parms$k3
# c is the concentration of species
# derivatives dc/dt are computed below
r=rep(0,length(c))
r[1]=-k1*c["A"] #dcA/dt
r[2]=k1*c["A"]-k2*c["B"]+k3*c["C"] #dcB/dt
r[3]=k2*c["B"]-k3*c["C"] #dcC/dt
# the computed derivatives are returned as a list
# order of derivatives needs to be the same as the order of species in c
return(list(r))
}
我的问题是每个状态的初始条件也可以被视为估计参数。但是,它目前无法正常工作。下面是我的代码:
# function that calculates residual sum of squares
ssq=function(myparms){
# inital concentration
cinit=c(A=myparms[4],B=0,C=0)
# time points for which conc is reported
# include the points where data is available
t=c(seq(0,5,0.1),df$time)
t=sort(unique(t))
# parms from the parameter estimation routine
k1=myparms[1]
k2=myparms[2]
k3=myparms[3]
# solve ODE for a given set of parameters
out=ode(y=cinit,times=t,func=rxnrate,parms=list(k1=k1,k2=k2,k3=k3))
# Filter data that contains time points where data is available
outdf=data.frame(out)
outdf=outdf[outdf$time %in% df$time,]
# Evaluate predicted vs experimental residual
preddf=melt(outdf,id.var="time",variable.name="species",value.name="conc")
expdf=melt(df,id.var="time",variable.name="species",value.name="conc")
ssqres=preddf$conc-expdf$conc
# return predicted vs experimental residual
return(ssqres)
}
# parameter fitting using levenberg marquart algorithm
# initial guess for parameters
myparms=c(k1=0.5,k2=0.5,k3=0.5,A=1)
# fitting
fitval=nls.lm(par=myparms,fn=ssq)
一旦我运行它,就会出现这样的错误
Error in chol.default(object$hessian) :
the leading minor of order 1 is not positive definite
最佳答案
您的代码的问题如下:
在代码行 cinit=c(A=myparms[4],B=0,C=0)
中,您将 myparms[4] 的值赋予 A
以及 myparms[4]
的名称。让我们看看:
myparms=c(k1=0.5,k2=0.5,k3=0.5,A=1)
cinit=c(A=myparms[4],B=0,C=0)
print(cinit)
A.A B C
1 0 0
要解决这个问题,你可以这样做:
myparms=c(k1=0.5,k2=0.5,k3=0.5,A=1)
cinit=c(A=unname(myparms[4]),B=0,C=0)
print(cinit)
A B C
1 0 0
或者这个:
myparms=c(k1=0.5,k2=0.5,k3=0.5,1)
cinit=c(A=unname(myparms[4]),B=0,C=0)
print(cinit)
A B C
1 0 0
那么你的代码就可以工作了!
最好的问候,J_F
关于r - 使用 nls.lm 拟合 ODE 模型的参数和初始条件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39339376/
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!