Python.scipy:对具有多个输入和输出的函数执行Curve_fit

Question

我想要拟合一个具有两个参数(Km，kcat)和4个输入和输出的函数到一些数据。该函数为：

def dxdt(x, t, Km, kcat):
    y = np.zeros(4)
    reaction1 = Km * x[2] * x[0]
    reaction2 = kcat * x[3]
    y[0] = - reaction1
    y[1] = reaction2
    y[2] = reaction2 - reaction1
    y[3] = reaction1 - reaction2
return y

例如，数据可以是：

x = [[7.2, 6.1, 5.5, 4.1, 3.3, 2.1, 1.9, 0.2], [0., 1.1, 2.2, 3.5, 
4.5, 6.0, 6.6, 7.3], [10., 9.5, 8., 7.1, 6.8, 5., 5.9, 9.9], [0., 1.2, 
3., 4.5, 5., 6.1, 2.5, 0.4 ]]

使用timespan：

t = range(9)

和固定的起始值：

initial_values = [7.2., 0., 10., 0.]

我定义了一个函数来计算给定参数集的输出：

def y(timerange, a, b):    
    result = odeint(dxdt, initial_values, timerange, 
                    args=(a, b))
return result.transpose()

现在，我不知道如何正确使用scipy.optimize.curvefit()。我只见过来自R^n -> R的函数的curve_fit示例，但没有看到来自R^n->R^n的函数。这可能吗？