curve_fit报错RuntimeError：最优参数未找到，求拟合与绘图解决方案

报错原因分析 #

RuntimeError: Optimal parameters not found: The maximum number of function evaluations is exceeded 本质是初始参数猜测不合理，或数据存在异常，导致curve_fit迭代至最大次数仍无法收敛到最优解。Birch-Murnaghan EOS是强物理约束的方程，初始参数必须贴合数据的物理意义，不能随意赋值。

1. 修正拟合逻辑与参数初始化 #

标准Birch-Murnaghan EOS形式 #

def birch_murnaghan(V, V0, B0, B0_prime, E0):
    eta = (V / V0) ** (1/3)
    return E0 + (9 * B0 * V0 / 16) * ( (eta**2 - 1)**3 * B0_prime + (eta**2 - 1)**2 * (6 - 4*eta**2) )

其中：

• V0：平衡体积（能量最小值对应的体积）
• B0：体积模量（典型值30~200 GPa，依材料而定）
• B0_prime：模量导数（经验值3~5，常用4）
• E0：平衡能量（数据中的最小能量值）

初始参数估算规则 #

从原始数据中直接提取关键初始值，而非盲目赋值：

• E0取数据中的最小能量
• V0取对应最小能量的体积
• B0设为同类型材料的典型值（如30 GPa）
• B0_prime设为4（通用经验值）

2. 完整可运行代码 #

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt

# 定义Birch-Murnaghan EOS方程
def birch_murnaghan(V, V0, B0, B0_prime, E0):
    eta = (V / V0) ** (1/3)
    return E0 + (9 * B0 * V0 / 16) * ( (eta**2 - 1)**3 * B0_prime + (eta**2 - 1)**2 * (6 - 4*eta**2) )

# 加载数据（替换为你的数据加载方式，如np.loadtxt/pd.read_csv）
# 假设数据格式为：第一列体积V，第二列能量E
DataHT = np.loadtxt('DataHT.txt')
V_ht, E_ht = DataHT[:, 0], DataHT[:, 1]
DataLT = np.loadtxt('DataLT.txt')
V_lt, E_lt = DataLT[:, 0], DataLT[:, 1]

# 估算高温数据初始参数
E0_ht_init = np.min(E_ht)
V0_ht_init = V_ht[np.argmin(E_ht)]
p0_ht = [V0_ht_init, 30, 4, E0_ht_init]

# 估算低温数据初始参数
E0_lt_init = np.min(E_lt)
V0_lt_init = V_lt[np.argmin(E_lt)]
p0_lt = [V0_lt_init, 30, 4, E0_lt_init]

# 执行拟合，增大迭代次数兜底
try:
    popt_ht, pcov_ht = curve_fit(birch_murnaghan, V_ht, E_ht, p0=p0_ht, maxfev=10000)
    popt_lt, pcov_lt = curve_fit(birch_murnaghan, V_lt, E_lt, p0=p0_lt, maxfev=10000)
except RuntimeError as e:
    print(f"拟合失败: {e}")
    exit()

# 输出拟合参数
print("=== 高温样本拟合参数 ===")
print(f"平衡体积V0: {popt_ht[0]:.4f}")
print(f"体积模量B0: {popt_ht[1]:.4f} GPa")
print(f"模量导数B0': {popt_ht[2]:.4f}")
print(f"平衡能量E0: {popt_ht[3]:.4f}")

print("\n=== 低温样本拟合参数 ===")
print(f"平衡体积V0: {popt_lt[0]:.4f}")
print(f"体积模量B0: {popt_lt[1]:.4f} GPa")
print(f"模量导数B0': {popt_lt[2]:.4f}")
print(f"平衡能量E0: {popt_lt[3]:.4f}")

# 绘制拟合曲线
plt.figure(figsize=(10,6))

# 高温数据与拟合曲线
V_fit_ht = np.linspace(np.min(V_ht), np.max(V_ht), 100)
E_fit_ht = birch_murnaghan(V_fit_ht, *popt_ht)
plt.scatter(V_ht, E_ht, label='高温样本数据', color='crimson', s=25)
plt.plot(V_fit_ht, E_fit_ht, label='高温拟合曲线', color='darkred', linewidth=2)

# 低温数据与拟合曲线
V_fit_lt = np.linspace(np.min(V_lt), np.max(V_lt), 100)
E_fit_lt = birch_murnaghan(V_fit_lt, *popt_lt)
plt.scatter(V_lt, E_lt, label='低温样本数据', color='steelblue', s=25)
plt.plot(V_fit_lt, E_fit_lt, label='低温拟合曲线', color='darkblue', linewidth=2)

plt.xlabel('体积 V')
plt.ylabel('能量 E')
plt.title('Birch-Murnaghan EOS拟合结果')
plt.legend()
plt.grid(alpha=0.3)
plt.show()

3. 额外排查建议 #

• 如果仍报错，先绘制原始数据散点图，检查是否存在异常值（如能量随体积变化无明显极小值），或数据范围过窄/过宽
• 若材料已知，可调整B0的初始值至该材料的典型模量范围，进一步提高收敛概率
• maxfev仅作为兜底参数，优先保证初始参数的合理性，否则迭代次数再多也无法收敛

内容的提问来源于stack exchange，提问作者Erwann