如何在R中拟合衰减与增长指数模型并获取参数？

数据预处理（通用步骤） #

先完成基础数据处理，确保模型输入正确：

• 计算时间差：假设你的数据框为df，时间列名为time，执行df$t <- df$time - df$time[1]得到每行与第一行的时间差
• 计算C0：取前10秒的数值均值，C0 <- mean(df$value[df$t <= 10])；如果是取前10行，改成mean(df$value[1:10])
• 计算Cmax：直接取数值列的最大值，Cmax <- max(df$value)

指数衰减模型拟合（Ct = Cmax + (C0 - Cmax)e^(-k·t)） #

方案1：优化初始值用nls() #

你之前用nls()失败大概率是初始值设置不合理，这里C0和Cmax已知，只需要给k一个合理初始值（比如0.1）即可：

# 定义衰减模型公式
decay_formula <- value ~ Cmax + (C0 - Cmax)*exp(-k*t)

# 拟合模型，指定k的初始值
decay_fit <- nls(decay_formula, data = df, start = list(k = 0.1))

# 查看拟合结果
summary(decay_fit)

# 计算目标变化率 k*(Cmax - C0)
k_est <- coef(decay_fit)[["k"]]
change_rate <- k_est * (Cmax - C0)
cat("衰减模型变化率：", change_rate, "\n")

方案2：用SSasymp适配衰减模型 #

SSasymp是自带的自启动模型，公式为Asym + (R0 - Asym)*exp(-exp(lrc)*x)，正好匹配你的衰减模型（Asym=Cmax，R0=C0，exp(lrc)=k），无需手动设初始值：

# 用SSasymp拟合
decay_fit_ss <- nls(value ~ SSasymp(t, Asym, R0, lrc), data = df)
summary(decay_fit_ss)

# 提取k值并计算变化率
k_est_ss <- exp(coef(decay_fit_ss)[["lrc"]])
change_rate_ss <- k_est_ss * (Cmax - C0)
cat("衰减模型变化率（SSasymp）：", change_rate_ss, "\n")

指数增长模型拟合（Ct = C0 + (Cmax - C0)*(1 - e^(-k·t))） #

直接定义模型公式后用nls()拟合，给k设置初始值即可：

# 定义增长模型公式
growth_formula <- value ~ C0 + (Cmax - C0)*(1 - exp(-k*t))

# 拟合模型
growth_fit <- nls(growth_formula, data = df, start = list(k = 0.1))

# 查看结果并提取k值
summary(growth_fit)
k_growth <- coef(growth_fit)[["k"]]
cat("增长模型k值：", k_growth, "\n")

常见问题处理 #

如果nls()依然报错，推荐使用minpack.lm包的nlsLM()函数，它采用Levenberg-Marquardt算法，对初始值的容忍度更高：

install.packages("minpack.lm")
library(minpack.lm)

# 衰减模型拟合
decay_fit_lm <- nlsLM(decay_formula, data = df, start = list(k = 0.1))
# 增长模型拟合
growth_fit_lm <- nlsLM(growth_formula, data = df, start = list(k = 0.1))

内容的提问来源于stack exchange，提问作者Mee