scipy 中的 dblquad 与 matlab 给出不同的结果
dblquad in scipy vs. matlab giving different results
我想双重集成一个功能。但是在 scipy.integrate
和 matlab
上使用 dblquad
时,我得到了不同的结果。我的双重积分功能的 python 实现是这样的:
###Python implementation##
import numpy as np
from scipy.integrate import dblquad
def InitialCondition(x_b, y_b, m10, m20, N0):
IC = np.zeros((len(x_b)-1,len(y_b)-1))
for i in xrange(len(x_b) - 1):
for j in xrange(len(y_b) - 1):
IC[i,j], abserr = dblquad(ExponenIC, x_b[i], x_b[i + 1], lambda x: y_b[j], lambda x: y_b[j+1], args=(m10, m20, N0), epsabs=1.49e-15, epsrel=1.49e-15)
return IC
def ExponenIC(x, y, m10, m20, N0):
retVal = (16 * N0) / (m10 * m20) * (x / m10)* (y / m20) * np.exp(-2 * (x / m10) - 2 * (y / m20))
return retVal
if __name__=='__main__':
x_min, x_max = 0.0004, 20.0676
x_b = np.exp(np.linspace(np.log(x_min), np.log(x_max), 4))
y_b = np.copy(x_b)
m10, m20, N0 = 0.04, 0.04, 1
print InitialCondition(x_b, y_b, m10, m20, N0)
但如果我在 matlab 中重复相同的操作,具有等效的实现和相同的输入,如下所示:
%%%Matlab equivalent%%%
function IC = test(x_b, y_b, m10, m20, N0)
for i = 1:length(x_b)-1
for j = 1:length(y_b)-1
IC(i, j) = dblquad(@ExponenIC, x_b(i), x_b(i+1), y_b(j), y_b(j+1), 1e-6, @quad, m10, m20, N0);
end
end
return
function retVal = ExponenIC(x, y, m10, m20, N0)
retVal = (16 * N0) / (m10*m20) * (x / m10) .* (y / m20) .* exp(-2*(x/m10) - 2 * (y/m20));
return
% for calling
x_min = 0.0004;
x_max = 20.0676;
x_b = exp(linspace(log(x_min), log(x_max), 4));
y_b = x_b;
m10 = 0.04;
m20 = 0.04;
N0 = 1;
I = test(x_b, y_b, m10, m20, N0)
Scipy dblquad
returns:
[[ 2.84900512e-02 1.40266599e-01 7.34019842e-12]
[ 1.40266599e-01 6.90582083e-01 3.61383932e-11]
[ 7.28723691e-12 3.58776449e-11 1.89113430e-21]]
和 Matlab dblquad
returns:
IC =
28.4901e-003 140.2666e-003 144.9328e-012
140.2666e-003 690.5820e-003 690.9716e-012
144.9328e-012 690.9716e-012 737.2926e-021
我曾尝试更改容差和输入顺序,但两种解决方案始终不同。因此,我无法理解哪个是准确的,我希望在 python 中更正。有人可以建议这是 dblquad
求解器或我的代码中某处的错误吗?
从结果来看,Matlab输出中重复出现690(在Python有不同结果的地方)让人怀疑Matlab的性能。
在 Matlab 中使用(已弃用的)函数 dblquad
的一个问题是您指定给它的公差是 absolute(据我所知)。这就是为什么当您指定 1e-6 时,1e-11 阶积分出现错误的原因。当您将它替换为 1e-12 时,计算会花费更长的时间(因为现在必须以更高的精度计算更大的积分),但最小的积分(大小为 1e-21)仍然是错误的。
因此,您应该使用支持相对容错的例程,例如integral2
。
用 dblquad
替换 Matlab 行
IC(i, j) = integral2(@(x,y) ExponenIC(x,y, m10, m20, N0), x_b(i), x_b(i+1), y_b(j), y_b(j+1), 'RelTol', 1e-12);
我明白了
0.0284900512006556 0.14026659933722 7.10653215130477e-12
0.14026659933722 0.690582082532588 3.51109000906259e-11
7.10653215130476e-12 3.5110900090626e-11 1.78512164747727e-21
这与 Python 输出大致一致。尽管如此,仍然存在实质性差异。为了彻底解决这个问题,我对积分进行了解析计算。确切的结果是
0.0284900512006717 0.140266599337199 7.28723691243472e-12
0.140266599337199 0.690582082532677 3.58776449039036e-11
7.28723691243472e-12 3.58776449039036e-11 1.86394265998016e-21
两个包都没有达到预期的精度,但 Python/scipy 更接近。
为了完整起见,输出解析解的循环:
function IC = test(x_b, y_b, m10, m20, N0)
F = @(x,a) -0.25*exp(-2*x/a)*(2*x+a);
for i = 1:length(x_b)-1
for j = 1:length(y_b)-1
IC(i,j) = (16 * N0) / (m10*m20) *(F(x_b(i+1),m10)-F(x_b(i),m10)) * (F(y_b(j+1),m20)-F(y_b(j),m20));
end
end
end
我想双重集成一个功能。但是在 scipy.integrate
和 matlab
上使用 dblquad
时,我得到了不同的结果。我的双重积分功能的 python 实现是这样的:
###Python implementation##
import numpy as np
from scipy.integrate import dblquad
def InitialCondition(x_b, y_b, m10, m20, N0):
IC = np.zeros((len(x_b)-1,len(y_b)-1))
for i in xrange(len(x_b) - 1):
for j in xrange(len(y_b) - 1):
IC[i,j], abserr = dblquad(ExponenIC, x_b[i], x_b[i + 1], lambda x: y_b[j], lambda x: y_b[j+1], args=(m10, m20, N0), epsabs=1.49e-15, epsrel=1.49e-15)
return IC
def ExponenIC(x, y, m10, m20, N0):
retVal = (16 * N0) / (m10 * m20) * (x / m10)* (y / m20) * np.exp(-2 * (x / m10) - 2 * (y / m20))
return retVal
if __name__=='__main__':
x_min, x_max = 0.0004, 20.0676
x_b = np.exp(np.linspace(np.log(x_min), np.log(x_max), 4))
y_b = np.copy(x_b)
m10, m20, N0 = 0.04, 0.04, 1
print InitialCondition(x_b, y_b, m10, m20, N0)
但如果我在 matlab 中重复相同的操作,具有等效的实现和相同的输入,如下所示:
%%%Matlab equivalent%%%
function IC = test(x_b, y_b, m10, m20, N0)
for i = 1:length(x_b)-1
for j = 1:length(y_b)-1
IC(i, j) = dblquad(@ExponenIC, x_b(i), x_b(i+1), y_b(j), y_b(j+1), 1e-6, @quad, m10, m20, N0);
end
end
return
function retVal = ExponenIC(x, y, m10, m20, N0)
retVal = (16 * N0) / (m10*m20) * (x / m10) .* (y / m20) .* exp(-2*(x/m10) - 2 * (y/m20));
return
% for calling
x_min = 0.0004;
x_max = 20.0676;
x_b = exp(linspace(log(x_min), log(x_max), 4));
y_b = x_b;
m10 = 0.04;
m20 = 0.04;
N0 = 1;
I = test(x_b, y_b, m10, m20, N0)
Scipy dblquad
returns:
[[ 2.84900512e-02 1.40266599e-01 7.34019842e-12]
[ 1.40266599e-01 6.90582083e-01 3.61383932e-11]
[ 7.28723691e-12 3.58776449e-11 1.89113430e-21]]
和 Matlab dblquad
returns:
IC =
28.4901e-003 140.2666e-003 144.9328e-012
140.2666e-003 690.5820e-003 690.9716e-012
144.9328e-012 690.9716e-012 737.2926e-021
我曾尝试更改容差和输入顺序,但两种解决方案始终不同。因此,我无法理解哪个是准确的,我希望在 python 中更正。有人可以建议这是 dblquad
求解器或我的代码中某处的错误吗?
从结果来看,Matlab输出中重复出现690(在Python有不同结果的地方)让人怀疑Matlab的性能。
在 Matlab 中使用(已弃用的)函数 dblquad
的一个问题是您指定给它的公差是 absolute(据我所知)。这就是为什么当您指定 1e-6 时,1e-11 阶积分出现错误的原因。当您将它替换为 1e-12 时,计算会花费更长的时间(因为现在必须以更高的精度计算更大的积分),但最小的积分(大小为 1e-21)仍然是错误的。
因此,您应该使用支持相对容错的例程,例如integral2
。
用 dblquad
替换 Matlab 行
IC(i, j) = integral2(@(x,y) ExponenIC(x,y, m10, m20, N0), x_b(i), x_b(i+1), y_b(j), y_b(j+1), 'RelTol', 1e-12);
我明白了
0.0284900512006556 0.14026659933722 7.10653215130477e-12
0.14026659933722 0.690582082532588 3.51109000906259e-11
7.10653215130476e-12 3.5110900090626e-11 1.78512164747727e-21
这与 Python 输出大致一致。尽管如此,仍然存在实质性差异。为了彻底解决这个问题,我对积分进行了解析计算。确切的结果是
0.0284900512006717 0.140266599337199 7.28723691243472e-12
0.140266599337199 0.690582082532677 3.58776449039036e-11
7.28723691243472e-12 3.58776449039036e-11 1.86394265998016e-21
两个包都没有达到预期的精度,但 Python/scipy 更接近。
为了完整起见,输出解析解的循环:
function IC = test(x_b, y_b, m10, m20, N0)
F = @(x,a) -0.25*exp(-2*x/a)*(2*x+a);
for i = 1:length(x_b)-1
for j = 1:length(y_b)-1
IC(i,j) = (16 * N0) / (m10*m20) *(F(x_b(i+1),m10)-F(x_b(i),m10)) * (F(y_b(j+1),m20)-F(y_b(j),m20));
end
end
end