问题描述
我正在研究扩展的SIR模型,以实现共同预测。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"
我用一个额外的“死亡”案例扩展了我的SIR。因此,现在我可以根据历史“死亡”对模型进行曲线拟合。但是我也找到了可能的“感染”的可靠来源。事实是,我只能对“ D”(死亡)曲线或“ I”(受感染)曲线进行曲线拟合。有什么方法可以使用基于两条曲线的曲线拟合,这两条曲线基本上都依赖于同一SIR算法。例如,在“ D”上进行曲线拟合时,我得到的R0为3.5,而“ I”上我得到的R0为4.2。如何找到适合两条曲线的R0值(以及其他可变参数)。
解决方法
是的,如果必须对两个不同的数据集(您的“死亡”和“感染”)建模的方程式(或函数),并且它们共享某些参数(“ r0”),则可以创建一个使用{{1 }}为模型追加两个数组,然后拟合级联的数据集。
该级联模型将具有一组参数。如果某些参数确实仅更改了串联数据集的前半部分或后半部分,就可以了。