如何在Python中实现观测数据与预测等时线数据的对齐拟合

架构老林

2026-7-2

天文观测数据与等时线的XY偏移最佳拟合问题

补充信息

观测数据、等时线（预测数据）均可从公开文本资源获取

问题描述

我需要将天文观测数据与等时线（一种非函数型的预测模式）进行最佳拟合，核心需求是通过调整预测数据的X、Y轴偏移量，匹配观测数据中2<y<6区间内的平滑曲线段（该曲线段在所有等时线中均存在）。

由于等时线并非函数，无法直接使用scipy.curve_fit工具。

已尝试方案

多项式拟合实现水平偏移

我先对等时线目标区域拟合40次多项式，再结合scipy.curve_fit实现了水平偏移，代码如下：

poly_coeffs = np.polyfit(iso_g, iso_bprp, deg=40)
poly = np.poly1d(poly_coeffs)

# 可视化
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot()

ax.plot(iso_bprp, iso_g)
ax.plot(poly(iso_g), iso_g)

ax.set_xlabel(r'Colour Index [$Bp - Rp$]', fontsize=20)
ax.set_ylabel('G Mag', fontsize=20)

ax.invert_yaxis()
ax.tick_params(axis='both', which='major', labelsize=15)
plt.show()

该方案成功得到了等时线多项式拟合结果，并实现了预期的水平偏移效果。

XY偏移尝试失败

当我在拟合函数中加入垂直偏移参数后，无法实现有效的垂直偏移，代码如下：

def fit(x, xshift, yshift):
    return poly(x + xshift) + yshift

parameters, covariance = curve_fit(fit, data_g, data_bprp)

# 可视化
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot()

ax.plot(poly(iso_g), iso_g, label='Original Curve')
ax.scatter(data_bprp, data_g, s=0.5)

ax.plot(fit(iso_g, parameters[0], parameters[1]), iso_g, label='XY Shifted Curve')

ax.set_xlabel(r'Colour Index [$Bp - Rp$]', fontsize=20)
ax.set_ylabel('G Mag', fontsize=20)

ax.invert_yaxis()
ax.tick_params(axis='both', which='major', labelsize=15)
plt.legend()
plt.show()

运行后得到的XY偏移效果不符合预期，垂直偏移未生效。