非线性曲线拟合报错求助：如何用Levenberg–Marquardt算法求解alpha？

一、先搞定Igor Pro的报错问题 #

你遇到的The fitting function returned INF for at least one X variable报错，核心原因是拟合过程中参数alpha的取值触发了函数的定义域非法情况：

• 你的拟合函数里有sqrt(alpha/x)项，当alpha≤0时，根号内为负数，实数域下无意义，直接返回INF/NaN；
• 另外，Igor Pro默认是矩阵运算，如果你的函数没做逐元素处理，数组运算时也可能出问题。

修复步骤： #

1. 给alpha设置取值约束：
   在Igor的拟合参数设置界面，给alpha设置下限为0.001（避免等于0），上限可以设为比最大x值（72.01）大的数，比如100，确保拟合过程中alpha始终为正。
2. 修正自定义函数的运算方式：
   Igor里数组逐元素运算需要加波浪号~，否则会按矩阵运算处理，修改后的函数应该是：

   Function fitFunc(x, alpha)
       Variable beta = 1.135e-4
       Return -1 + 2*sqrt(alpha~ / x~) * exp(-beta*(x~ - alpha)^2)
   

3. 设置合理的初始值：
   看你的实验数据，x越小sin(theta)越接近1，代入函数估算：当x=23.47时，2*sqrt(alpha/23.47)*exp(...)≈1.997，近似等于2，说明此时exp项接近1（即alpha≈23.47）；但x=30.16时sin(theta)为0.45，估算alpha≈16。所以初始值可以设为20，让拟合收敛更顺利。

二、更便捷的非线性拟合工具/程序 #

如果觉得Igor Pro设置繁琐，这些工具能更快帮你得到alpha：

1. Python（最推荐，免费且灵活） #

用scipy.optimize.curve_fit，内置Levenberg–Marquardt算法，直接写几行代码就能运行：

import numpy as np
from scipy.optimize import curve_fit

# 定义拟合函数
def fit_func(x, alpha):
    beta = 1.135e-4
    return -1 + 2 * np.sqrt(alpha / x) * np.exp(-beta * (x - alpha)**2)

# 你的实验数据
sin_theta = np.array([-0.81704, -0.67649, -0.83137, -0.73468, -0.66744, 
                      -0.43602, 0.45368, 0.75802, 0.96705, 0.99717])
x = np.array([72.01, 59.99, 51.13, 45.53, 36.15, 31.66, 30.16, 29.01, 25.62, 23.47])

# 设置初始值和参数范围（alpha必须>0）
initial_alpha = 20
bounds = (0.001, np.inf)

# 执行拟合
popt, pcov = curve_fit(fit_func, x, sin_theta, p0=initial_alpha, bounds=bounds)

print(f"拟合得到的alpha值：{popt[0]:.4f}")
print(f"alpha的标准误差：{np.sqrt(pcov[0,0]):.4f}")

运行后直接输出alpha的拟合值和误差，非常省心。

2. OriginPro（可视化友好，适合科研人员） #

• 导入你的x和sin(theta)数据；
• 选择分析→拟合→非线性曲线拟合；
• 自定义拟合函数，设置beta为常量（1.135e-4），alpha为待拟合参数，设置alpha的范围为>0；
• 点击拟合即可得到结果，还能直接生成拟合曲线。

3. MATLAB #

用lsqcurvefit函数实现，代码示例：

beta = 1.135e-4;
fit_func = @(alpha, x) -1 + 2*sqrt(alpha./x).*exp(-beta*(x-alpha).^2);

sin_theta = [-0.81704 -0.67649 -0.83137 -0.73468 -0.66744 ...
             -0.43602 0.45368 0.75802 0.96705 0.99717];
x = [72.01 59.99 51.13 45.53 36.15 31.66 30.16 29.01 25.62 23.47];

initial_alpha = 20;
lb = 0.001; % 参数下限
ub = Inf; % 参数上限

alpha_fit = lsqcurvefit(fit_func, initial_alpha, x, sin_theta, lb, ub);
disp(['拟合得到的alpha值：', num2str(alpha_fit, '%.4f')]);

内容的提问来源于stack exchange，提问作者Martin