Scipy curve_fit设置bounds参数后返回初始猜测值的问题求助

问题背景 #

使用scipy的curve_fit拟合高斯+洛伦兹复合曲线时，仅设置初始猜测p0能得到合理结果，但添加bounds参数后，拟合结果始终停留在初始猜测值，与数据偏差较大。

拟合函数定义 #

import numpy as np
from scipy.optimize import curve_fit

def gaussian(x, a, x0, sig):
    return a * np.exp(-1/2 * (x - x0)**2 / sig**2)

def lorentzian(x, a, b, c):
    return a*c**2/((x-b)**2+c**2)

def decompose(x, z, n, b, *par):
    hb_n = gaussian(x, par[0], 4861.3*(1+z), n)
    hb_b = lorentzian(x, par[1], 4861.3*(1+z), b)
    return hb_b + hb_n 

正常拟合代码（仅p0） #

guess = [0.0001, 2, 10, 3e-16, 3e-16]
p, c = curve_fit(decompose, wave, residual, guess)

异常情况（添加bounds） #

guess = [0.0001, 2, 10, 3e-16, 3e-16]
p, c = curve_fit(decompose, wave, residual, guess, bounds=([-0.001, 0, 0, 0, 0], [0.001, 10, 100, 1e-15, 1e-15]))

解决建议 #

1. 修正固定参数与拟合参数的传递逻辑 #

这是核心问题：curve_fit中，函数的非自变量参数如果是固定值，需要通过args传递，而非放入p0或bounds。你的decompose函数中，z, n, b是固定参数，只有*par对应的2个参数（高斯振幅、洛伦兹振幅）是待拟合参数，之前的代码把固定参数和拟合参数混在了一起，导致参数映射完全错误。

修正后的代码示例：

# 替换为你的实际固定参数值
fixed_z = ...
fixed_n = ...
fixed_b = ...

# 仅保留待拟合的2个参数的初始猜测
guess = [3e-16, 3e-16]
# 对应2个拟合参数的边界
bounds = ([0, 0], [1e-15, 1e-15])

# 通过args传递固定参数z, n, b
p, c = curve_fit(decompose, wave, residual, p0=guess, bounds=bounds, args=(fixed_z, fixed_n, fixed_b))

2. 切换适配有约束优化的求解器 #

curve_fit默认的lm方法（Levenberg-Marquardt）对边界支持有限，建议切换为专门的有约束优化方法trf或dogbox：

p, c = curve_fit(decompose, wave, residual, p0=guess, bounds=bounds, args=(fixed_z, fixed_n, fixed_b), method='trf')

如果优化迭代次数不足，可增加max_nfev参数：

p, c = curve_fit(decompose, wave, residual, p0=guess, bounds=bounds, args=(fixed_z, fixed_n, fixed_b), method='trf', max_nfev=10000)

3. 检查边界的合理性 #

避免设置过于严格的边界，导致优化器无法在范围内找到更优解。可先放宽边界（比如将上限临时调大），验证是否能得到合理结果后，再逐步缩小边界范围。

4. 参数缩放提升数值稳定性 #

如果待拟合参数数量级差异过大（如部分参数为1e-16，部分为1e-3），会影响优化器的数值稳定性。可对小数量级参数进行缩放（如乘以1e16），拟合完成后再还原，或在拟合函数内做归一化处理。

5. 验证拟合函数逻辑 #

单独调用gaussian和lorentzian函数，传入固定参数，检查输出是否符合预期，确保复合函数的公式、中心波长计算等逻辑正确。

内容的提问来源于stack exchange，提问作者como