多峰氢脱附数据拟合优化：如何提升第三峰Lognormal拟合效果？

我有一组氢脱附随温度变化的数据，包含4个峰：

我希望为每个峰拟合分布曲线以提取峰下面积等信息，其中第1、2、4峰适合用Gaussian拟合，拟合效果如下：

现有拟合代码 #

我使用以下两段代码分别获取初始参数和定义最终参数：

拟合过程（获取初始参数） #

# Fitting procedure

def fitting_procedure(xdata, ydata):
    
    # fitting function
    def func(xdata, a1, b1, c1, a2, b2, c2, a3, b3, c3, a4, b4, c4):     #
        return a1 * np.exp(-0.5*(((xdata-b1)**2)/(c1**2)))+ \
               a2 * np.exp(-0.5*(((xdata-b2)**2)/(c2**2)))+ \
               a3 * np.exp(-0.5*(((xdata-b3)**2)/(c3**2)))+ \
               a4 * np.exp(-0.5*(((xdata-b4)**2)/(c4**2)))
        
#     p0 = [0.002, 505, 1, 0.002, 780, 1, 0.002, 725, 1, 0.002, 975, 1] # for file 01    
#     p0 = [0.002, 510, 1, 0.002, 650, 1, 0.002, 740, 1, 0.002, 840, 1]
    p0 = [0.002, 570, 1, 0.002, 668, 1, 0.002, 800, 1, 0.002, 820, 1]

    bounds = ((0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.),
             (np.inf,np.inf,np.inf,np.inf,np.inf,np.inf,np.inf,np.inf,np.inf,np.inf,np.inf,np.inf))

    cons, pcov = curve_fit(func, xdata, ydata, p0, bounds=bounds, maxfev=1000000)
    
    return (cons)

最终参数定义 #

def gas(y0,A,w,xc):
    return y0 + (A/(w*math.sqrt(math.pi/2)))*np.exp(-2*((x-xc)/w)**2) 

第3峰拟合困境 #

我认为第3峰更适合用Lognormal拟合，但始终无法得到理想的拟合结果，相关代码如下：

model = models.LognormalModel()
params = model.make_params(center=20, sigma=3, amplitude=5)

result = model.fit(y14-0.003, params, x=x14)
# print(result.fit_report())

plt.plot(x14, y14-0.003, label='3rd peak')
plt.plot(x14, result.best_fit, label='fit')
# plt.plot(x14_fit, y14_fit, label='fit2')
plt.xlabel('Temperature, K', fontsize=12)
plt.ylabel('HDR, at.ppm/s', fontsize=12)
plt.legend()
plt.show()

当前第3峰的Lognormal拟合效果：

整体拟合效果：

请问如何改进拟合效果，尤其是第3峰的Lognormal拟合？

内容的提问来源于stack exchange，提问作者Maria Inês