Python基于scipy.optimize.curve_fit拟合Quadratic-plateau模型出图异常问题
拟合与绘图环节存在的问题及修正方案
核心问题拆解
- 初值设置量级完全失配:传入
curve_fit的初始猜测[10, 0.0001, -10]远偏离农业响应数据的实际数值范围,极易导致优化过程收敛到错误参数,最常见的结果是模型的拐点(二次曲线转水平平台的临界施氮量)落在试验施氮量区间之外,绘图时自然只能看到完整模型的片段——要么只有上升段,要么只有平台段,看不到拐点的衔接过程。参考常规玉米施氮产量试验的数值范围(施氮量0-400kg/ha、产量4000-15000kg/ha),合理的初始值可设置为:截距
b0取无氮区的平均产量、一次项系数b1取10-30(正数值,代表产量随施氮的上升速率)、二次项系数b2取-0.03到-0.08(负数值,代表边际产量递减的幅度),计算出的初始拐点会落在试验施氮量的合理区间内,大幅提升收敛到正确解的概率。 - 拟合曲线绘制逻辑错误:当前直接用原始观测的施氮量
x作为绘制曲线的输入,存在两个明显缺陷:- 如果原始
x数组没有按从小到大的顺序存储,matplotlib会严格按照数组的元素存储顺序连线,不会自动按x值的大小排序,最终画出的线条会交错、断裂,无法形成连续的模型形态 - 原始观测的
x是离散的试验点,密度极低,哪怕顺序正确,连线后也只是稀疏点的折线,无法完整、平滑地呈现覆盖整个施氮量范围的模型形态
- 如果原始
修正后的完整可运行代码
import numpy as np import pandas as pd import matplotlib.pyplot as plt from scipy.optimize import curve_fit # 按施氮量排序数据,避免绘图时连线顺序错乱 df = df.sort_values('N_Rate') x = df['N_Rate'].values y = df['Yield'].values def quad_plateau(x, b0, b1, b2): crit_x = -b1/(2*b2) # 用向量化逻辑替换逐元素累加的写法,兼容数组输入 y_fit = np.where( x < crit_x, b0 + b1*x + b2*(x**2), b0 - (b1**2)/(4*b2) ) return y_fit # 替换为符合数据量级的初始值 guess = [np.min(y), 20, -0.05] popt, pcov = curve_fit( quad_plateau, x, y, p0=guess, maxfev=5000 ) # 生成覆盖整个施氮范围的高密度连续x序列,用于绘制完整平滑的拟合曲线 x_curve = np.linspace(np.min(x), np.max(x), 200) y_curve = quad_plateau(x_curve, *popt) plt.scatter(x, y, c='b', label='实测产量') plt.plot(x_curve, y_curve, 'r-', linewidth=2, label='二次平台模型拟合') plt.xlabel('氮肥施用量') plt.ylabel('玉米产量') plt.legend() plt.show()
优化提示
可以给curve_fit添加参数边界约束,避免优化过程出现无意义的解:比如给b1设置范围(0, np.inf)、b2设置范围(-np.inf, 0),保证拟合出来的曲线一定是先上升后走平的合理形态,不会出现开口向上或者平台段斜率为负的异常结果。
内容的提问来源于stack exchange,提问作者NsN
相关产品推荐
相关产品推荐

