如何使用Python求解常微分方程中的未知参数取值

方法1：纯SymPy求解（推荐，直接利用已得到的解析解） #

你已经通过SymPy求出了ODE的通解，直接构造代数方程求解d即可，无需切换其他工具，代码如下：

import sympy as sym

# 你原有求解ODE的代码
y = sym.Function('y')
t, d = sym.symbols('t d')
y1 = sym.Derivative(y(t), t)
eqdiff = y1 - 0.05*y(t) - d
sol = sym.dsolve(eqdiff, y(t), ics={y(0): 10})

# 新增求解d的代码
# 构造t=10时y(t)=100的方程
solve_eq = sym.Eq(sol.rhs.subs(t, 10), 100)
d_result = sym.solve(solve_eq, d)[0]

print(f"d的解析解：{d_result}")
print(f"d的数值解（保留8位小数）：{sym.N(d_result, 8)}")

运行后得到的结果约为6.4367986，可根据你的精度需求调整输出的小数位数。

方法2：Scipy数值求解（适用于无法得到解析解的复杂ODE场景） #

如果遇到更复杂、无法求解析解的常微分方程，可通过数值求解+参数拟合的方式得到d的取值，代码如下：

import numpy as np
from scipy.integrate import solve_ivp
from scipy.optimize import fsolve

# 定义常微分方程
def ode_func(t, y, d):
    return 0.05 * y + d

# 定义目标函数：计算y(10)与100的差值
def target_func(d):
    ivp_sol = solve_ivp(ode_func, t_span=[0, 10], y0=[10], args=(d,), t_eval=[10])
    return ivp_sol.y[0][0] - 100

# 设定初始猜测值，求解d
d_init = 0
d_numeric = fsolve(target_func, d_init)[0]
print(f"数值求解得到的d：{d_numeric:.8f}")

两种方法得到的结果完全一致，你当前的场景直接用方法1即可，SymPy是完全适配当前需求的工具。

内容的提问来源于stack exchange，提问作者hilbert