如何使用多条曲线和因变量进行曲线拟合

Question

我正在研究用于 covid-predictions 的扩展 SIR 模型。现在我正在尝试通过 lmfit 使用曲线拟合。

这是代码：

mod = lmfit.Model(fitter)

for kwarg, (init, mini, maxi) in params_init_min_max.items():
    mod.set_param_hint(str(kwarg), value=init, min=mini, max=maxi, vary=True)

params = mod.make_params()
fit_method = "leastsq"

我已经用额外的“死亡”案例扩展了我的 SIR。所以现在我可以根据历史“死亡”来曲线拟合我的模型。但我也找到了可能“感染”的可靠来源。问题是，我只能对“D”（死亡）曲线或“I”（感染）曲线进行曲线拟合。有什么方法可以让我使用基于两条曲线的曲线拟合，这两条曲线基本上依赖于相同的 SIR 算法。例如，当对“D”进行曲线拟合时，我得到的 R0 为 3.5，而对“I”进行曲线拟合时，我得到的 R0 为 4.2。如何找到适合两条曲线的 R0 值（具有其他可变参数）。

Answer 1

是的，如果您必须使用方程（或函数）对两个不同的数据集（您的“死亡”和“感染”）进行建模并且它们共享一些参数（“r0”），您可以制作一个使用 np.concatenate() 为模型附加两个数组，然后拟合连接的数据集。

该级联模型只有一组参数。如果某些参数真的只改变串联数据集的前半部分或后半部分，那也没关系。

如何使用多条曲线和因变量进行曲线拟合

How to do curve-fitting with multiple curves and dependent variables

python

curve-fitting

least-squares

lmfit