python 根据点以及自定义函数预测

from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import numpy as np
def func_exp_fb_1(x, a,b,d): # 自定义函数
#     return a*np.exp(-b*np.log(x+15)**0.4)+d
#     return  a*(1/x)+1/(b*np.log(x**0.2+10))+d
#     return a*np.exp(-b*x*x*x**0.2)+d +a*(1/x)+1/(b*np.log(x+50))+d
#     return a*np.exp(-b*x*x*x**0.2)+d
#     return -a*(1/((x+5)**2.2+b+d))
#     return a*np.exp(-b*x*x*x**0.2)+d +a*(1/x)+1/(b*np.log(x+50))+d   +(-a*(1/((x+5)**2.2+b+d)) + a * (x ** b)-40)/2 
#     return a * (x ** b)-40
#     return (-a*(1/((x+5)**2.2+b+d)) + a * (x ** b)-40)/2 
#     return a*np.exp(-b*x**0.2) +a*(1/x)+1/(b*np.log(x+1))
#     return a*np.exp(-b*x*x*x**0.2)+d +a*(1/x)+1/(b*np.log(x+50))+d -a*(1/((x+5)**2.2+b+d))
#     return a*np.exp(-b*x*x*x**0.2)+d +a*(1/x)+1/(b*np.log(x+1))+d 
#     return a*np.exp(-b*x**0.2) +a*(1/x)+1/(b*np.log(x-9.5))
    return a*np.exp(-b*x**0.8)

def tran_num(data):
    ##   换序号
    y = data
    x = list(range(len(y)))
    return x,y

data = [5,4,3,2,1,0.8] # 你的数据

plt.figure(figsize=(12,6))
x,y = tran_num(data)
x = np.linspace(1,len(y),len(y),dtype=np.int)  #这个是从1开始的
popt,pcov = curve_fit(func_exp_fb_1,x,y,maxfev=5000000)
a,b,d = popt
print(a,b,d)

y_pre1 = func_exp_fb_1(x,a,b,d)
x_future = np.linspace(x.shape[0],60,60-x.shape[0]+1) #x的长度设为了60,可以根据自己的情况修改
y_future = func_exp_fb_1(x_future,a,b,d) 

plt.plot(x, y, 'ko', label="Original Data")
plt.plot(x, y_pre1, 'r-', label=" Fitting Curve")
plt.plot(x_future, y_future, 'green', label=" prediction Curve")

plt.legend()
##  换序号和时间
plt.title("plot")
plt.xlabel("x")
plt.ylabel("y")
plt.ylim(0,max(data)+1)
plt.show()
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,126评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,254评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,445评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,185评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,178评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,970评论 1 284
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,276评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,927评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,400评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,883评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,997评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,646评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,213评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,204评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,423评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,423评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,722评论 2 345

推荐阅读更多精彩内容