Python 用SciPy数值求解常微分方程
我试图找到一个数值解,并最终绘制出一幅图,吉伦伯格-韦伯模型(癌细胞生长模型)。这个模型看起来像: 其中,Python 用SciPy数值求解常微分方程,python,matplotlib,scipy,differential-equations,Python,Matplotlib,Scipy,Differential Equations,我试图找到一个数值解,并最终绘制出一幅图,吉伦伯格-韦伯模型(癌细胞生长模型)。这个模型看起来像: 其中,β是增殖细胞的繁殖率,µp是增殖细胞的死亡率,µq是静止细胞的死亡率,r0和ri是N(t)的函数(转换率)。同样N(t)=P(t)+Q(t) 出于我的目的,我在这里定义了r_0(N)=bN和r_I(N)=aN,以使事情变得更简单 我的问题是当我尝试用pyplot绘制我的解决方案时 ValueError:x和y必须具有相同的第一个维度 我想这是不言自明的,但我不知道如何在不破坏其他一切的情况
β
是增殖细胞的繁殖率,µp
是增殖细胞的死亡率,µq
是静止细胞的死亡率,r0
和ri
是N(t)
的函数(转换率)。同样N(t)=P(t)+Q(t)
出于我的目的,我在这里定义了r_0(N)=bN
和r_I(N)=aN
,以使事情变得更简单
我的问题是当我尝试用pyplot绘制我的解决方案时
ValueError:x和y必须具有相同的第一个维度
我想这是不言自明的,但我不知道如何在不破坏其他一切的情况下着手修复它
到目前为止,我只为第一个等式编写了以下代码:
import numpy as np
import matplotlib.pyplot as plt
import scipy.integrate
def fun(P,t, params):
beta, mp,b,N,Q = params
return(beta-mp-(b*N))*P+(a*N)*Q
params = (0.5,0.6,0.7,0.8,0.9)
tvec = np.arange(0,6,0.1)
s1 = scipy.integrate.odeint(
fun,
y0 = 1,
t = tvec,
args = (params,))
#print(s1)
plt.plot(fun,tvec)
您当前正在绘制
fun
vs.tvec
。您实际需要的是绘制tvec
vss1
。您还必须在fun
中定义参数a
;我在下面的代码中将其设置为1
:
import numpy as np
import matplotlib.pyplot as plt
import scipy.integrate
def fun(P, t, params):
beta, mp, b, N, Q = params
return (beta-mp-(b*N))*P + (1.0 * N)*Q
params = (0.5, 0.6, 0.7, 0.8, 0.9)
tvec = np.arange(0, 6, 0.1)
s1 = scipy.integrate.odeint(
fun,
y0=1.,
t=tvec,
args=(params,))
plt.plot(tvec, s1)
plt.show()
这将绘制:
最后,您将需要求解耦合系统。这并不复杂,只需将状态对象设为向量,并以正确的顺序返回导数即可
def fun(state,t, params):
P, Q = state
beta, mp, mq, a, b = params
N = P+Q
r0N, riN = b*N, a*N
return [ (beta-mp-r0N)*P + riN*Q, r0N*P - (riN+mq)*Q ]
params = (0.5,0.6,0.7,0.8,0.9)
tsol = np.arange(0,6,0.1)
sol = odeint( fun, y0 = [ 1, 0], t = tsol, args = (params,))
Psol, Qsol = sol.T; plt.plot(tsol, Psol, tsol, Qsol)
这真是帮了大忙,谢谢你这个善良的陌生人