首页 文章

通过轨道数据拟合椭圆

提问于
浏览 次
4

我为它绕太阳运行的行星的（x，y，z）坐标生成了一堆数据 . 现在我想通过这些数据拟合椭圆 .

我试图做的：

我基于五个参数创建了一个虚拟椭圆：半长轴和偏心，定义了大小和形状以及三个旋转椭圆的欧拉角 . 由于我的数据并不总是以原点为中心，因此我还需要翻译需要额外三个变量（dx，dy，dz）的椭圆 . 一旦我用这八个变量初始化这个函数，我就得到了这个椭圆上的N个点 . （N =我正在绘制椭圆的数据点的数量）我计算这些虚拟点与实际数据的偏差，然后使用一些最小化方法最小化该偏差，以找到这八个变量的最佳拟合值 .

我的问题在于最后一部分：最小化偏差并找到变量的值 .

为了最大限度地减少偏差，我使用scipy.optimize.minimize来尝试近似最佳拟合变量，但它只是做得不够好：

Here is an image
Here is an image我的最佳配合是什么样的，并且具有非常慷慨准确的初始猜测 . （蓝色=数据，红色=适合）

Here is the entire code.（无需数据，它会生成自己的假数据）

In short ，我使用这个scipy函数：

initial_guess = [0.3,0.2,0.1,0.7,3,0.0,-0.1,0.0]
bnds = ((0.2, 0.5), (0.1, 0.3), (0, 2*np.pi), (0, 2*np.pi), (0, 2*np.pi), (-0.5,0.5), (-0.5,0.5), (-0.3,0.3)) #reasonable bounds for the variables
result = optimize.minimize(deviation, initial_guess, args=(data,), method='L-BFGS-B', bounds=bnds, tol=1e-8) #perform minimalisation
semi_major,eccentricity,inclination,periapsis,longitude,dx,dy,dz = result["x"]

要最小化此错误（或偏差）功能：

def deviation(variables, data):
    """
    This function calculates the cumulative seperation between the ellipse fit points and data points and returns it
    """
    num_pts = len(data[:,0])
    semi_major,eccentricity,inclination,periapsis,longitude,dx,dy,dz = variables
    dummy_ellipse = generate_ellipse(num_pts,semi_major,eccentricity,inclination,periapsis,longitude,dz,dy,dz)
    deviations = np.zeros(len(data[:,0]))
    pair_deviations = np.zeros(len(data[:,0]))
    # Calculate separation between each pair of points
    for j in range(len(data[:,0])):
        for i in range(len(data[:,0])):
            pair_deviations[i] = np.sqrt((data[j,0]-dummy_ellipse[i,0])**2 + (data[j,1]-dummy_ellipse[i,1])**2 + (data[j,2]-dummy_ellipse[i,2])**2)
            deviations[j] = min(pair_deviations) # only pick the closest point to the data point j.
    total_deviation = sum(deviations)
    return total_deviation

（我的代码可能有点凌乱和低效，我是新手）

我可能在编码中犯了一些逻辑错误，但我认为它归结为scipy.minimize.optimize函数 . 我不知道它是如何工作的以及对它的期望 . 我还建议在处理这么多变量时尝试马尔可夫链蒙特卡罗 . 我确实看了一下主持人，但现在它有点高于我的头脑 .

python scipy ellipse astronomy minimization

1 回答

  • 1

    首先，你的目标函数中有一个拼写错误，它会阻止其中一个变量的优化：

    dummy_ellipse = generate_ellipse(...,dz,dy,dz)

    应该

    dummy_ellipse = generate_ellipse(...,dx,dy,dz)

    另外，取出 sqrt 并最小化欧氏距离的平方和使得优化器在数值上更容易一些 .

    由于BFGS求解器假设的min（），你的目标函数也无处可辨，因此它的性能不是最理想的 .

    此外，从分析几何角度来解决问题可能有所帮助：3d中的椭圆被定义为两个方程的解

    f1(x,y,z,p) = 0
f2(x,y,z,p) = 0

    其中 p 是椭圆的参数 . 现在，为了使参数适合数据集，您可以尝试最小化

    F(p) = sum_{j=1}^N [f1(x_j,y_j,z_j,p)**2 + f2(x_j,y_j,z_j,p)**2]

    总和超过数据点 .

    更好的是，在这个问题公式中你可以使用 optimize.leastsq ，这在最小二乘问题中可能更有效 .

    回复于

相关问题