我试图解决我的化学论文的微分方程,在那里我偶然发现了一个关于scipy的微分方程求解器“odeint”的问题 .
首先,我根据scipy网站上的示例,通过功能CIDNP_1实现差异(CIDNP是一种化学现象,解释了不寻常的变量) . 但解决方案即使是正确的方向也是如此 .
import numpy as np
import matplotlib.pyplot as plt
import scipy.integrate
R0 = 5e+5
kt = 5e5/R0
beta = 3/R0
def CIDNP_1(y, t):
dP_dt, dQ_dt = y
def R(t):
return R0/(1 + kt*R0*t)
dP_dt = -kt*dP_dt*R(t) - kt*beta*(R(t))**2
dQ_dt = +kt*dP_dt*R(t) + kt*beta*(R(t))**2
return [dP_dt, dQ_dt]
def CIDNP_2(y, t):
dP_dt, dQ_dt = y
def R(t):
return R0/(1 + kt*R0*t)
return [-kt*dP_dt*R(t) - kt*beta*(R(t))**2, \
+kt*dP_dt*R(t) + kt*beta*(R(t))**2]
y0 = [-1, +1]
t = np.linspace(1e-9, 100e-6, 1e3)
sol_1 = scipy.integrate.odeint(CIDNP_1, y0, t)
sol_2 = scipy.integrate.odeint(CIDNP_2, y0, t)
然后我将我的解决方案改为CIDNP_2,这给出了正确的结果,但在我看来,实现没有区别,因为变量dP_dt和dQ_dt在实现CIDNP_1中没有改变 .
因此,任何人都可以给我一个暗示,为什么实施CIDNP_1会给出错误的结果,我会非常幸运,因为至少在最后两个小时内并没有完全丢失 .
问候,
雅各布
2 回答
在第一个版本中,执行to行时,不会同时执行更新
不是模拟的;因此,您使用已更新的
dP_dt
来更新dQ_dt
. 这是ODE
系统的错误实现 . 你的第二种方法更好,因为它没有这种错误 . 您必须直接返回更新的值,或者必须在计算新的dQ_dt
之前将新计算的dP_dt
值保存在另一个变量中 .这可以解决你的问题 .
在
CIDNP_1
中,在使用新值计算dQ_dt
之前更改dP_dt
的值:在
CIDNP_2
中,您可以同时计算它们,即dQ_dt
使用dP_dt
的原始值计算,而不是更改的值 . 你可以这样想你也可以加快速度