Python solve_ivp 与 R lsoda

Question

我正在尝试将 R 代码转换为 Python。R 代码使用lsoda函数，它是 FORTRANDOE求解器的包装器。Python 对应物似乎solve_ivp是 FORTRAN 的包装器ODEPACK。我method='LSODA'在 Python 中使用它应该是 R 使用的等效方法。但是，我的结果有高达 1% 的误差。我的代码中没有任何东西是随机的，所以我相信我应该能够完全复制结果。任何的想法？！这是 R 代码的一部分（之前的代码只是计算参数的值：val = c("A1" = 1, "A2" = 1, "A3" = 1, "A4" = 1, "A5" = 1, "A6" = 1, "A7" = 1)hamberg_ode <- function(t,val,p) {     dA1 = p["ktr1"]*(1 - ((p["E_MAX"] * p["C_s_gamma"])/(p["EC_50_gamma"] + p["C_s_gamma"]))) - p["ktr1"]*val["A1"]    dA2 = p["ktr1"]*val["A1"] - p["ktr1"]*val["A2"]    dA3 = p["ktr1"]*val["A2"] - p["ktr1"]*val["A3"]    dA4 = p["ktr1"]*val["A3"] - p["ktr1"]*val["A4"]    dA5 = p["ktr1"]*val["A4"] - p["ktr1"]*val["A5"]    dA6 = p["ktr1"]*val["A5"] - p["ktr1"]*val["A6"]    dA7 = p["ktr2"]*(1 - ((p["E_MAX"] * p["C_s_gamma"])/(p["EC_50_gamma"] + p["C_s_gamma"]))) - p["ktr2"]*val["A7"]    cat(val["A1"], dA1, '\n')    list(c(dA1, dA2, dA3, dA4, dA5, dA6, dA7))}out = lsoda(val, times, hamberg_ode, p)Python代码：val = [1]*7class hamberg_ode:    def __init__(self, p):        self.p = p        return (dA1, dA2, dA3, dA4, dA5, dA6, dA7)h_function = hamberg_ode(p).fout = solve_ivp(h_function, (0, maxTime), val, t_eval=times, method='LSODA')作为数字如何发散的示例，以下是两个代码的 A1 和 dA1 的几个第一个值： R1 -0.22891511 -0.22891510.9997726 -0.22879750.9997727 -0.22879760.9995454 -0.228680.9995455 -0.22868010.9901534 -0.22382210.9901523 -0.22382150.9809609 -0.21906730.9809587 -0.21906620.9719626 -0.2144130.9719604 -0.21441190.9493722 -0.20272840.9493668 -0.20272550.927996 -0.19167170.9280039 -0.19167580.9078033 -0.18122720.9078049 -0.1812280.8887056 -0.17134910.8887071 -0.1713499

Answer 1

正如@astoeriko 所指出的，默认相对容差 ( rtol) 在 scipy 中为 1e-3solve_ivp而在 R 中为 1e-6 lsoda。