日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當(dāng)前位置: 首頁 > 人工智能 > 循环神经网络 >内容正文

循环神经网络

matlab拟合参数最优,使用matlab最优化方法拟合获得多个动力学参数中的问题 - 计算模拟 - 小木虫 - 学术 科研 互动社区...

發(fā)布時間:2024/9/30 循环神经网络 80 豆豆
生活随笔 收集整理的這篇文章主要介紹了 matlab拟合参数最优,使用matlab最优化方法拟合获得多个动力学参数中的问题 - 计算模拟 - 小木虫 - 学术 科研 互动社区... 小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.

各位師兄師姐,麻煩大家?guī)臀铱匆幌逻@個問題。我現(xiàn)在想用一個模型來描述我的實驗現(xiàn)象,模型如圖所示。

?

我通過實驗有了x-t的實驗數(shù)據(jù),如下圖所示,我現(xiàn)在想用matlab的fmincon函數(shù)求解模型中的ks和Dp(Dp含在參數(shù)beita里面)兩個參數(shù),我的程序大概步驟是:首先假設(shè)兩個ks和Dp的參數(shù),并給其他參數(shù)賦值(已知),求出dx/dt,然后調(diào)用ODE函數(shù)求出Xsim的值,最后求所有參數(shù)點的Xsim和Xexp的差平方,以這個差平方和最小為優(yōu)化目標(biāo)求兩個參數(shù)。函數(shù)的程序如下所示:

function y = chapingfang1( para )

%chapingfang1 求實驗值與模擬值的差平方

%? ?根據(jù)輸入的ks和Dp,求出dx/dt,求出xi,并根據(jù)實驗值求差平方,需要在函數(shù)外給Xexp賦值。

%? ?首先申明Xexp為全局變量,將數(shù)據(jù)導(dǎo)入Xexp,然后給para賦初始值,并給出para的上下界限,然后引用函數(shù)。

global Xexp;? ? %申明一個在外部定義的全局變量

function dxdt=solve(t,x)

%ks=para(1);Dp=para(2);

S0=6.45E7;? ? %單位體積比表面積,m2/m3

C=44.64;? ? %摩爾濃度,mol/m3,50℃,1bar

SP=1.04;? ? %結(jié)構(gòu)參數(shù),structure parameter

epsilon=0.135;? ?%孔隙率

p=300;??%MgO的密度,kg/m3

M=40.3E-3;??%MgO的分子量,kg/mol

beita=(2*para(1)*p*(1-epsilon))/(M*para(2)*S0); % beita=2*ks*p*(1-epsilon)/(M*Dp*s0)

Z=2.48;? ? %產(chǎn)物與反應(yīng)物體積比

dxdt=para(1)*S0*C*(1-x)*sqrt(1-SP*log(1-x))*60/((1-epsilon)*(1+beita*Z*(sqrt(1-SP*log(1-x))-1)/SP)); %dx/dt,1/min

end

datanum=length(Xexp);? ?%獲得實驗數(shù)據(jù)的個數(shù)

[t,x]=ode45(@solve,(0:datanum),[0]);

y=0;? ? %賦初始值

for i=1:datanum

ysingle=(x(i)-Xexp(i))^2;? ? %單個x值求平方差

y=y+ysingle;? ? %求所有數(shù)值的差平方

end

end

調(diào)用函數(shù)時,先申明Xexp為全局變量并給其賦值,然后給para賦值,假設(shè)para=[1e-20,1e-15];然后設(shè)置options.MaxFunEvals = 10000;options.MaxIter = 5000;options.TolFun=1e-40;options.TolX=1e-40;算法設(shè)為‘a(chǎn)ctive-set’。計算后會提示Optimization completed because the objective function is non-decreasing in

feasible directions, to within the default value of the function tolerance,

and constraints were satisfied to within the default value of the constraint tolerance.就是這樣,一直算不出來結(jié)果。

此后,我還用過fminunc和lsqcurvefit命令,但是均算不出來結(jié)果,用過fminsearch命令,可以得到結(jié)果,但是只要一改初始值結(jié)果就會變化。現(xiàn)在我也不清楚到底問題出在哪個地方,究竟用哪個算法更合適。麻煩知道的師兄師姐幫我一下,小弟真的感激不盡!

我的x-t實驗數(shù)據(jù)如下所示:

time1? ? ? ? weight1

0? ? ? ? 0

1? ? ? ? 0.0131059561590576

2? ? ? ? 0.0224613155271807

3? ? ? ? 0.0258574867886566

4? ? ? ? 0.0287923752485341

5? ? ? ? 0.0319666281518343

6? ? ? ? 0.0344779298157369

7? ? ? ? 0.0365664754496289

8? ? ? ? 0.0389215931122698

9? ? ? ? 0.0414292601750792

10? ? ? ? 0.0437186434808063

11? ? ? ? 0.04540291762739

12? ? ? ? 0.047525420820067

13? ? ? ? 0.0493874788829805

14? ? ? ? 0.0512869214142812

15? ? ? ? 0.0534027784792448

16? ? ? ? 0.0555023317621618

17? ? ? ? 0.0571714444298997

18? ? ? ? 0.0588653762308168

19? ? ? ? 0.0607537072673469

20? ? ? ? 0.0624277006851242

21? ? ? ? 0.0639143563779841

22? ? ? ? 0.0658329065264603

23? ? ? ? 0.0676833338658756

24? ? ? ? 0.0689399712324093

25? ? ? ? 0.070436388425348

26? ? ? ? 0.0721083049282149

27? ? ? ? 0.0733571538638347

28? ? ? ? 0.0744049574361283

29? ? ? ? 0.0759068784535796

30? ? ? ? 0.0771386966869343

31? ? ? ? 0.0779835856724823

32? ? ? ? 0.0790293123298656

33? ? ? ? 0.0802949842762596

34? ? ? ? 0.0813463186039008

35? ? ? ? 0.0821874691426103

36? ? ? ? 0.0830400427133269

37? ? ? ? 0.0844930523846384

38? ? ? ? 0.0849185084040326

39? ? ? ? 0.0853313990882189

40? ? ? ? 0.0866122325134587

41? ? ? ? 0.087233126225921

42? ? ? ? 0.0878623275980246

43? ? ? ? 0.0884889328264904

44? ? ? ? 0.0891348533636229

45? ? ? ? 0.0897540855441568

46? ? ? ? 0.0903847407566979

47? ? ? ? 0.0910422920173286

48? ? ? ? 0.0914330635577191

49? ? ? ? 0.0918563388164574

50? ? ? ? 0.0926972816636758

51? ? ? ? 0.0931137031032097

52? ? ? ? 0.0935382245108942

53? ? ? ? 0.0941693989521628

54? ? ? ? 0.09436462895374

55? ? ? ? 0.0945851973172237

56? ? ? ? 0.0956667507568113

57? ? ? ? 0.0958463000508149

58? ? ? ? 0.0958502461891445

59? ? ? ? 0.0964731129707716

60? ? ? ? 0.0969135227775206

61? ? ? ? 0.0973228827063593

62? ? ? ? 0.0975322357293269

63? ? ? ? 0.0977422118267678

64? ? ? ? 0.0983701670499253

65? ? ? ? 0.0985833623654773

66? ? ? ? 0.0987822269681474

67? ? ? ? 0.0992140175780183

68? ? ? ? 0.0996444581931973

69? ? ? ? 0.0996341774643909

70? ? ? ? 0.0998332497585521

71? ? ? ? 0.0998405189607386

72? ? ? ? 0.100276151863194

73? ? ? ? 0.100476470306301

74? ? ? ? 0.100685511792032

75? ? ? ? 0.101090302508068

76? ? ? ? 0.100895903272455

77? ? ? ? 0.101105879369896

78? ? ? ? 0.101320216988649

79? ? ? ? 0.101736534582437

80? ? ? ? 0.101742765327168

81? ? ? ? 0.101946718371369

82? ? ? ? 0.102368332098179

83? ? ? ? 0.102157006006046

84? ? ? ? 0.102369993630107

85? ? ? ? 0.10280313423467

86? ? ? ? 0.102997845007519

87? ? ? ? 0.102997845007519

88? ? ? ? 0.103208028796451

89? ? ? ? 0.103203978812376

90? ? ? ? 0.103418212585383

91? ? ? ? 0.103629330986024

92? ? ? ? 0.103838684008992

93? ? ? ? 0.103842941684558

94? ? ? ? 0.104064652351243

95? ? ? ? 0.104048867797924

96? ? ? ? 0.104469131530042

97? ? ? ? 0.104469339221533

98? ? ? ? 0.104468508455569

99? ? ? ? 0.104469339221533

100? ? ? ? 0.104679523010465

101? ? ? ? 0.10508524833821

102? ? ? ? 0.104889810645142

103? ? ? ? 0.105095840604253

104? ? ? ? 0.105100305971311

105? ? ? ? 0.105506550527784

106? ? ? ? 0.105531785043945

107? ? ? ? 0.10530290902082

108? ? ? ? 0.105743111136078

109? ? ? ? 0.10553583502802

110? ? ? ? 0.105940833435547

111? ? ? ? 0.105940833435547

112? ? ? ? 0.106151017224479

113? ? ? ? 0.106151017224479

114? ? ? ? 0.106372727891164

115? ? ? ? 0.106361304859156

116? ? ? ? 0.106586338589697

117? ? ? ? 0.106571384802343

118? ? ? ? 0.106567334818267

119? ? ? ? 0.106797145453102

120? ? ? ? 0.106992998529152

121? ? ? ? 0.106991648534461

122? ? ? ? 0.107202143860629

123? ? ? ? 0.106993206220644

124? ? ? ? 0.106991856225952

125? ? ? ? 0.107201001557428

126? ? ? ? 0.106991856225952

127? ? ? ? 0.106980744731181

128? ? ? ? 0.106991856225952

129? ? ? ? 0.106991856225952

130? ? ? ? 0.107217305339475

131? ? ? ? 0.10718635930731

132? ? ? ? 0.107201832323393

133? ? ? ? 0.10719726311059

134? ? ? ? 0.107412327649561

135? ? ? ? 0.107412327649561

136? ? ? ? 0.107607869188375

137? ? ? ? 0.107622511438493

138? ? ? ? 0.107622511438493

139? ? ? ? 0.107621472981038

140? ? ? ? 0.107402254612246

141? ? ? ? 0.107830826004005

142? ? ? ? 0.107818468360289

143? ? ? ? 0.107836849057245

144? ? ? ? 0.108042982862102

145? ? ? ? 0.108264589683041

146? ? ? ? 0.108043086707848

147? ? ? ? 0.108249116666959

148? ? ? ? 0.108470931179389

149? ? ? ? 0.108462208136765

150? ? ? ? 0.109102521003639

151? ? ? ? 0.108883821863575

152? ? ? ? 0.109094109498252

153? ? ? ? 0.109304085595693

154? ? ? ? 0.109304293287184

155? ? ? ? 0.109305020207403

156? ? ? ? 0.109094005652507

157? ? ? ? 0.109309174037224

158? ? ? ? 0.109094005652507

159? ? ? ? 0.109093278732288

160? ? ? ? 0.109305331744639

161? ? ? ? 0.109304293287184

162? ? ? ? 0.10972206472141

163? ? ? ? 0.109724660865048

164? ? ? ? 0.109727464700177

165? ? ? ? 0.109724349327811

166? ? ? ? 0.109933806196525

167? ? ? ? 0.109500665591962

168? ? ? ? 0.109935156191216

169? ? ? ? 0.110150116884442

170? ? ? ? 0.109949590749844

171? ? ? ? 0.110151882262116

172? ? ? ? 0.109943152313621

173? ? ? ? 0.110145339980148

174? ? ? ? 0.109721649338428

175? ? ? ? 0.109934636962489

176? ? ? ? 0.109939725404019

177? ? ? ? 0.109934948499725

178? ? ? ? 0.10993484465398

179? ? ? ? 0.109934948499725

180? ? ? ? 0.109950629207299

181? ? ? ? 0.110145859208876

182? ? ? ? 0.110146170746112

183? ? ? ? 0.110359262215919

184? ? ? ? 0.110145339980148

185? ? ? ? 0.110140978458836

186? ? ? ? 0.11036642757236

187? ? ? ? 0.110351266093514

188? ? ? ? 0.110776825958653

189? ? ? ? 0.110565499866521

190? ? ? ? 0.110568615238886

191? ? ? ? 0.110566849861213

192? ? ? ? 0.110771529825632

193? ? ? ? 0.110985867444384

194? ? ? ? 0.110981921306055

195? ? ? ? 0.11099085204017

196? ? ? ? 0.111180682062979

197? ? ? ? 0.110764883697919

198? ? ? ? 0.11098597129013

199? ? ? ? 0.11098597129013

200? ? ? ? 0.111207370419578

201? ? ? ? 0.111403431187119

202? ? ? ? 0.111399173511553

203? ? ? ? 0.111211628095144

204? ? ? ? 0.111406442713739

205? ? ? ? 0.110987840513549

206? ? ? ? 0.111403431187119

207? ? ? ? 0.111196155079062

208? ? ? ? 0.111402600421155

209? ? ? ? 0.111387958171037

210? ? ? ? 0.111187951265166

211? ? ? ? 0.111210485791944

212? ? ? ? 0.110990021274205

213? ? ? ? 0.110982128997546

214? ? ? ? 0.111001340460467

215? ? ? ? 0.11142752340008

216? ? ? ? 0.111406131176503

217? ? ? ? 0.111391696617875

218? ? ? ? 0.111184939738546

219? ? ? ? 0.111406442713739

220? ? ? ? 0.111196466616298

221? ? ? ? 0.111596999656768

222? ? ? ? 0.111631268752789

223? ? ? ? 0.112048209421051

224? ? ? ? 0.112262754731295

225? ? ? ? 0.112040940218865

226? ? ? ? 0.112026401814492

227? ? ? ? 0.111815802642578

228? ? ? ? 0.112036994080535

229? ? ? ? 0.112037305617771

230? ? ? ? 0.112036994080535

231? ? ? ? 0.111842594844922

232? ? ? ? 0.112254343225908

233? ? ? ? 0.112036994080535

234? ? ? ? 0.112036786389044

235? ? ? ? 0.11203709792628

236? ? ? ? 0.111816841100033

237? ? ? ? 0.112247281715212

238? ? ? ? 0.112033151787951

239? ? ? ? 0.112258289364237

240? ? ? ? 0.112468888536151

241? ? ? ? 0.112457153966908

242? ? ? ? 0.112247281715212

243? ? ? ? 0.112457257812653

244? ? ? ? 0.112457465504144

245? ? ? ? 0.112456738583925

246? ? ? ? 0.11245663473818

247? ? ? ? 0.112243335576883

248? ? ? ? 0.112457465504144

249? ? ? ? 0.112694545341165

250? ? ? ? 0.112663599309001

251? ? ? ? 0.112878975385208

252? ? ? ? 0.11286734466171

253? ? ? ? 0.112667753138821

254? ? ? ? 0.112224747188434

255? ? ? ? 0.112667649293076

256? ? ? ? 0.112458503961599

257? ? ? ? 0.112667753138821

258? ? ? ? 0.112683122309158

259? ? ? ? 0.112666091606893

260? ? ? ? 0.112653110888703

261? ? ? ? 0.112864021597854

262? ? ? ? 0.112661107011108

263? ? ? ? 0.112866098512764

264? ? ? ? 0.112870875417058

265? ? ? ? 0.112876794624553

266? ? ? ? 0.112878144619244

267? ? ? ? 0.113088120716685

268? ? ? ? 0.113298304505617

269? ? ? ? 0.113299135271581

270? ? ? ? 0.113298304505617

271? ? ? ? 0.113298304505617

272? ? ? ? 0.113088120716685

273? ? ? ? 0.113088120716685

274? ? ? ? 0.112867863890438

275? ? ? ? 0.113090820706069

276? ? ? ? 0.11308915917414

277? ? ? ? 0.113072543854857

278? ? ? ? 0.113508488294549

279? ? ? ? 0.113313777521699

280? ? ? ? 0.113721268227119

281? ? ? ? 0.113301523723728

282? ? ? ? 0.113523649773395

283? ? ? ? 0.113511292129678

284? ? ? ? 0.113492496049739

285? ? ? ? 0.113508488294549

286? ? ? ? 0.113739856615567

287? ? ? ? 0.113298200659871

288? ? ? ? 0.113288335314047

289? ? ? ? 0.11331398521319

290? ? ? ? 0.113508488294549

291? ? ? ? 0.113524272847868

292? ? ? ? 0.113719087466463

293? ? ? ? 0.113717633626025

294? ? ? ? 0.113717633626025

295? ? ? ? 0.113718775929226

296? ? ? ? 0.113714725945151

297? ? ? ? 0.113507449837094

298? ? ? ? 0.113507969065821

299? ? ? ? 0.11350983828924

總結(jié)

以上是生活随笔為你收集整理的matlab拟合参数最优,使用matlab最优化方法拟合获得多个动力学参数中的问题 - 计算模拟 - 小木虫 - 学术 科研 互动社区...的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯,歡迎將生活随笔推薦給好友。