Python双指数函数曲线拟合实战：参数提取与误差分析

Nora

发布时间：2026-10-15| 5人浏览过

原创

本文介绍如何使用Python对双指数函数 y(x) = be^px + ce^qx 进行曲线拟合。通过numpy处理数据，利用scipy.optimize.curve_fit执行非线性最小二乘法，获取b, c, p, q四个参数及协方差。测试表明，使用"trf"、"lm"和"dogbox"三种算法结果一致，初始参数设为原函数值时拟合稳定，误差在可接受范围内。

双指数函数定义

双指数函数

待拟合曲线为 y(x) = be^px + ce^qx

数据可视化与拟合实现


import matplotlib.pyplot as plt

x = ([0.05, 0.1, 0.15, 0.2, 0.25, 0.3, 0.35, 0.4, 0.45, 0.5,
   0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.95, 1.0])
y = ([0.33, 0.26, 0.18, 0.16, 0.12, 0.09, 0.08, 0.07, 0.06, 0.06,
   0.06, 0.07, 0.09, 0.1, 0.15, 0.19, 0.25, 0.36, 0.47, 0.68])

plt.scatter(x, y)
plt.show()

拟合


import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit


def double_exp(x, b, c, p, q):
  x = np.array(x)
  return b*np.exp(p*x) + c*np.exp(q*x)


x = ([0.05, 0.1, 0.15, 0.2, 0.25, 0.3, 0.35, 0.4, 0.45, 0.5,
   0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.95, 1.0])
y = ([0.33, 0.26, 0.18, 0.16, 0.12, 0.09, 0.08, 0.07, 0.06, 0.06,
   0.06, 0.07, 0.09, 0.1, 0.15, 0.19, 0.25, 0.36, 0.47, 0.68])

popt, pcov = curve_fit(double_exp, x, y, [1, 1, 1, 1])
print(popt)

b = popt[0]
c = popt[1]
p = popt[2]
q = popt[3]

y_fit = double_exp(x, b, c, p, q)

plt.scatter(x, y)
plt.plot(x, y_fit, color='red', linewidth=1.0)

plt.show()

核心库与拟合算法解析

引入 numpy 库，实现列表转矩阵，得以进行数学运算。matplotlib.pyplot 库，绘制图像。scipy.optimize 库，curve_fit() 函数，使用非线性最小二乘法拟合曲线。curve_fit()popt，拟合结果，在这里指b, c, p, q 的值。povc，该拟合结果对应的协方差。