使用scipy curve_fit拟合含sin(atan)曲线时遇RuntimeError求助

问题根源分析 #

你使用的y_fit是嵌套arctan的正弦非线性函数，这类函数在拟合时存在明确限制：

• 参数高度耦合：Bx与Ex共同作用于Bx*x - np.arctan(Bx*x)项，参数间相关性极强，无约束优化难以找到收敛路径。
• 初始猜测敏感度极高：curve_fit默认全1的初始值与你的数据范围（y值±110左右）完全不匹配，会引发数值溢出或梯度爆炸，触发RuntimeError。
• 数值稳定性风险：当Bx*x绝对值较大时，Bx*x - np.arctan(Bx*x)的计算可能出现精度损失，干扰优化过程。

具体解决方案 #

1. 提供贴合数据的初始参数猜测 #

根据数据的奇函数特性、y极值范围、x=0时y=0的特征，设置初始值：

• Dx：对应振幅，设为110（匹配数据最大值）
• Cx：控制正弦周期，设为π/2（x=±1时y接近±87，对应正弦非极值点）
• Bx：控制arctan陡峭程度，设为5（让arctan在x=±1附近变化显著）
• Ex：调节arctan修正幅度，设为0.5（中等强度修正）

2. 调整优化方法与参数约束 #

使用trf或dogbox方法（比默认lm更适配强非线性、参数耦合场景），同时设置参数边界，避免极端值导致的计算异常。

3. 修正后的可运行代码 #

from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import numpy as np
        
x = np.linspace(-1.0,1.0,15)

y = [-86.97572322743066, -89.53074407145257, -92.87263307518653,
     -97.35933273748071, -103.42406004626562, -110.56817865568372,
     -106.1393898655548, 0.0, 106.13938986555478,
     110.56817865568372,103.42406004626562, 97.35933273748071,
     92.87263307518657, 89.53074407145257, 86.97572322743066]

def y_fit(x,Dx,Cx,Bx,Ex):
    term = Bx * x
    inner = term - Ex * (term - np.arctan(term))
    return Dx * np.sin(Cx * np.arctan(inner))

# 初始猜测值
p0 = [110, np.pi/2, 5, 0.5]
# 参数边界：[最小值列表], [最大值列表]
bounds = ([0, 0, 1, 0], [200, np.pi, 20, 2])

# 使用trf方法拟合
popt, pcov = curve_fit(f=y_fit, xdata=x, ydata=y, p0=p0, method='trf', bounds=bounds)

print("拟合参数：", popt)
plt.plot(x, y_fit(x, *popt), label='拟合曲线')
plt.plot(x, y, 'o', label='原始数据')
plt.legend()
plt.show()

方案生效原因 #

• 初始猜测贴合数据特征，让优化算法从合理起点开始搜索，避免陷入数值不稳定区域。
• trf方法支持边界约束，限制参数在合理范围内，防止出现函数计算异常的极端值。
• 拆分函数内部计算步骤，提升了数值计算的稳定性，减少精度损失。

内容的提问来源于stack exchange，提问作者João Marcos Cavalcante