如何使用scipy.optimize.minimize求解粘度公式的6个最优缺失参数

问题概述 #

当前任务为拟合三指数叠加形式的粘度公式最优参数，优化目标为最小化拟合结果与3组实测数据的平方误差：

• 粘度公式形式：$\eta(T) = a_0 e^{-a_1 T} + a_2 e^{-a_3 T} + a_4 e^{-a_5 T}$，其中T为温度
• 实测数据点：
  • T=40时，实测粘度39.3
  • T=50时，实测粘度26.9
  • T=100时，实测粘度5.4
• 可使用的优化工具：scipy.optimize.minimize（局部优化）、scipy.optimize.differential_evolution（全局优化）

现有代码问题 #

你的公式转写逻辑本身没有语法错误，但存在3个直接导致优化失败的问题：

1. 初始值设置完全不符合物理量级：你传入的a1、a3、a5初始值为5，代入计算得$e^{-5*40}=e{-200}\approx0$，初始状态下三个指数项输出几乎为0，和实测值差数百个数量级，优化器极易陷入无效局部最优
2. 未添加参数约束：粘度随温度升高单调递减为正，所有6个参数必须为非负值，无约束情况下优化可能输出无物理意义的负参数
3. 未掌握differential_evolution的必填参数：该全局优化函数不需要初始猜测值，但必须为每个参数传入合理的取值边界（bounds），缺省该参数会直接运行报错

修正后可运行代码 #

import scipy.optimize as optimize
import numpy as np

# 粘度计算函数，直接接收参数数组a，减少冗余传参
def visc(x, a):
    a0, a1, a2, a3, a4, a5 = a
    return a0*np.exp(-a1*x) + a2*np.exp(-a3*x) + a4*np.exp(-a5*x)

# 平方误差目标函数
def error(a):
    return (visc(40, a) - 39.3)**2 + (visc(50, a) - 26.9)**2 + (visc(100, a) - 5.4)**2

# -------------------- 方式1：使用minimize局部优化 --------------------
# 合理初始值：保证初始计算结果和实测值同量级
# 振幅项a0/a2/a4取几十的量级，衰减系数a1/a3/a5取0.0x量级，保证40度时指数项不会衰减到接近0
x0 = [50, 0.01, 20, 0.02, 10, 0.05]
# 加非负约束，避免出现无物理意义的参数
bounds_minimize = [(0, None)]*6
res_min = optimize.minimize(error, x0=x0, bounds=bounds_minimize)
print("minimize拟合结果参数：", res_min.x)
print("minimize拟合误差：", res_min.fun)

# -------------------- 方式2：使用differential_evolution全局优化 --------------------
# 不需要初始值，只需要给每个参数设合理边界：振幅0~100，衰减系数0~0.1
bounds_de = [(0, 100), (0, 0.1), (0, 100), (0, 0.1), (0, 100), (0, 0.1)]
res_de = optimize.differential_evolution(error, bounds=bounds_de)
print("differential_evolution拟合结果参数：", res_de.x)
print("differential_evolution拟合误差：", res_de.fun)

# 验证拟合效果
print("40度拟合值：", visc(40, res_de.x))
print("50度拟合值：", visc(50, res_de.x))
print("100度拟合值：", visc(100, res_de.x))

使用说明 #

• 关于minimize的初始值选择：不需要精准匹配最优值，只要代入初始值计算的粘度结果和实测值在同一个数量级即可，你可以手动调整参数试算，只要初始输出不接近0或者远大于实测值，优化就能正常收敛
• 关于differential_evolution的边界设置：按照物理意义给范围即可，振幅项上限只要大于最大实测粘度（39.3）留足余量，衰减系数上限保证在最低温度（40）下指数项不会衰减到0即可，不需要刻意精准
• 两种优化方式输出的参数可能略有差异，但最终拟合的三个点误差都会接近0，符合要求；如果需要更稳定的结果优先用differential_evolution，不需要凑初始值，不容易陷入局部最优

内容的提问来源于stack exchange，提问作者Nicho_Link