je tentais d'adapter cet ensemble de données:jeu de données d'onde sinusoïdale Fitting amorti avec gnuplot, obtenir beaucoup d'erreurs
#Mydataset damped sine wave data
#X ---- Y
45.80 320.0
91.60 -254.0
137.4 198.0
183.2 -156.0
229.0 126.0
274.8 -100.0
320.6 80.0
366.4 -64.0
412.2 52.0
458.0 -40.0
503.8 34.0
549.6 -26.0
595.4 22.0
641.2 -18.0
qui, comme vous pouvez le voir par le tracé ci-dessous, a la tendance classique d'une onde sinusoïdale amortie :
donc j'ai d'abord définir la macro pour l'ajustement
f(x) = exp(-a*x)*sin(b*x)
alors je fait le bon ajustement
fit f(x) 'data.txt' via a,b
iter chisq delta/lim lambda a b
0 2.7377200000e+05 0.00e+00 1.10e-19 1.000000e+00 1.000000e+00
Current data point
=========================
# = 1 out of 14
x = -5.12818e+20
z = 320
Current set of parameters
=========================
a = -5.12818e+20
b = -1.44204e+20
Function evaluation yields NaN ("not a number")
en obtenant un résultat NaN
. J'ai donc regardé STackOverflow et je me suis souvenu que j'ai déjà eu des problèmes dans le passé en ajustant exponentielle en raison de leur croissance/désintégration rapide qui nécessite de définir les paramètres initiaux pour ne pas avoir cette erreur (comme je l'ai demandé).). J'ai donc essayé en définissant comme paramètres de départ a
et b
que ceux attendus, a = 9000
, b=146000
, mais le résultat était plus frustrant que le précédent:
fit f(x) 'data.txt' via a,b
iter chisq delta/lim lambda a b
0 2.7377200000e+05 0.00e+00 0.00e+00 9.000000e+03 1.460000e+05
Singular matrix in Givens()
J'ai pensé: « ce sont trop grand nombre , essayons avec les plus petits ". donc je suis entré dans les valeurs jusqu'à ce que je représenté graphiquement la sortie a
et b
et a commencé à montage à nouveau
a = 0.01
b = 2
fit f(x) 'data.txt' via a,b
iter chisq delta/lim lambda a b
0 2.7429059500e+05 0.00e+00 1.71e+01 1.000000e-02 2.000000e+00
1 2.7346318324e+05 -3.03e+02 1.71e+00 1.813940e-02 -9.254913e-02
* 1.0680927157e+137 1.00e+05 1.71e+01 -2.493611e-01 5.321099e+00
2 2.7344431789e+05 -6.90e+00 1.71e+00 1.542835e-02 4.310193e+00
* 6.1148639318e+81 1.00e+05 1.71e+01 -1.481123e-01 -1.024914e+01
3 2.7337226343e+05 -2.64e+01 1.71e+00 1.349852e-02 -9.008087e+00
* 6.4751980241e+136 1.00e+05 1.71e+01 -2.458835e-01 -4.089511e+00
4 2.7334273482e+05 -1.08e+01 1.71e+00 1.075319e-02 -4.346296e+00
* 1.8228530731e+121 1.00e+05 1.71e+01 -2.180542e-01 -1.407646e+00
* 2.7379223634e+05 1.64e+02 1.71e+02 8.277720e-03 -1.440256e+00
* 2.7379193486e+05 1.64e+02 1.71e+03 1.072342e-02 -3.706519e+00
5 2.7326800742e+05 -2.73e+01 1.71e+02 1.075288e-02 -4.338196e+00
* 2.7344116255e+05 6.33e+01 1.71e+03 1.069793e-02 -3.915375e+00
* 2.7327905718e+05 4.04e+00 1.71e+04 1.075232e-02 -4.332930e+00
6 2.7326776014e+05 -9.05e-02 1.71e+03 1.075288e-02 -4.338144e+00
iter chisq delta/lim lambda a b
After 6 iterations the fit converged.
final sum of squares of residuals : 273268
rel. change during last iteration : -9.0493e-07
degrees of freedom (FIT_NDF) : 12
rms of residuals (FIT_STDFIT) = sqrt(WSSR/ndf) : 150.905
variance of residuals (reduced chisquare) = WSSR/ndf : 22772.3
Final set of parameters Asymptotic Standard Error
======================= ==========================
a = 0.0107529 +/- 3.114 (2.896e+04%)
b = -4.33814 +/- 3.678 (84.78%)
correlation matrix of the fit parameters:
a b
a 1.000
b 0.274 1.000
je l'ai vu produit un résultat, donc je pensais que tout était ok, mais mon bonheur a duré quelques secondes,: Wow. Un très bon.
Et je me demande toujours ce qui ne va pas et comment obtenir un ajustement correct d'un ensemble de données à onde sinusoïdale amortie avec gnuplot. Espérons que quelqu'un connaît la réponse :)
solution Smart! Merci beaucoup. Je me demande seulement maintenant: comment avez-vous choisi les valeurs devinées pour définir les paramètres initiaux 'a',' b' et 'c'? Quelle était ta méthode? – opisthofulax
1/a est la "longueur de décroissance" de votre exponentielle, donc en regardant vos données, une valeur de quelques centaines semble à peu près juste. La période d'oscillation de la courbe du cosinus semble être d'environ 100, et b devrait être divisée par ce nombre. À x = 0, on s'attendrait à une amplitude négative importante, et -400 à peu près correct. – user8153