分段幂函数拟合距离-力数据时出现除零错误的技术求助

问题根源 #

1. model1逻辑缺失：函数内使用了x_adj但未定义，且参数x0未被利用，导致计算无意义。
2. x=xmin触发除零：当x == xmin时，model2中x_adj = x - xmin等于0，直接引发除零错误。
3. 拟合迭代的极端值：即使原始数据中无x=xmin，拟合过程中参数迭代可能出现极端值，导致分母为零。

修复方案 #

• 拆分数据分段拟合：将数据明确分为x <= xmin和x > xmin两组，分别传入对应模型，彻底避免交叉触发除零。
• 补全model1的x_adj定义：根据参数x0构建调整项，匹配模型设计意图。
• 添加微小偏移量：在计算x_adj时加入极小值（如1e-10），从根源避免零分母。
• 修正代码作用域：确保model1、model2定义在fit_data函数内部，避免作用域混乱。

修改后的代码示例 #

import numpy as np
from scipy.optimize import curve_fit

def fit_data(x, y):
    # 左侧模型：x <= xmin
    def model1(x, a, n, x0, ymin):
        x_adj = x - x0 + 1e-10  # 加微小偏移防除零
        return a / (x_adj**n) + ymin

    # 右侧模型：x > xmin
    def model2(x, b, m, xmin, y0):
        x_adj = x - xmin + 1e-10  # 加微小偏移防除零
        return -b / (x_adj**m) + y0

    x_data = np.array(x)
    y_data = np.array(y)
    ymin = np.min(y_data)
    xmin_idx = np.argmin(y_data)
    xmin = x_data[xmin_idx]

    # 拆分左右段数据
    left_mask = x_data <= xmin
    x_left, y_left = x_data[left_mask], y_data[left_mask]
    
    right_mask = x_data > xmin
    x_right, y_right = x_data[right_mask], y_data[right_mask]

    # 分别拟合（需根据实验数据设置合理初始参数p0）
    popt1, _ = curve_fit(model1, x_left, y_left, p0=[1, 1, -20, ymin])
    popt2, _ = curve_fit(model2, x_right, y_right, p0=[1, 1, xmin, 0])

    return popt1, popt2, xmin

额外提示 #

• 初始参数p0必须贴合你的实验数据范围，否则拟合可能不收敛。
• 如果某段数据量过少，需检查数据有效性，避免拟合失败。

内容的提问来源于stack exchange，提问作者user97975