求解微分方程反问题的求助！！！

li4250630

假如对于一个实际的压力变换过程，我可以用一个压力关于时间的微分方程来拟合，如果所有参数都已知且不变的情况下，那么这个微分方程的解应该是压力P关于时间t的变化一组数组。在所有参数已知的情况下，发现由微分方程计算出的压力变换过程与实测值非常接近（误差非常小），那我就可以认为这个微分方程的结构是正确的。

现在问题来了：
9 I8 x0 V- _+ m8 H8 j
对于目前的微分方程，结构已知，参数若干，但是其中有a，b，c三个参数是未知的，而每隔5min我可以得到一个实测的压力值，一共持续24h，也就是说我一共有12*24=288个实测值，其中每次测量时可知a，b，c三个参数是不变的，但是其他参数d，e，f，g都会发生相应改变，其值都是知道的。
, [0 E' v/ p8 x% `; ?
3 [3 K6 {9 o- e) d. M; P' d* I6 \那么我是否能根据实测值反推出这未知的a，b，c三个参数，使得基于此参数的微分方程计算出的数据与实测值误差最小？如果可以的话，需要什么方法？

6 B1 J' E! ]; o! f- e- e3 J目前的情况是，虽然a，b，c三个参数不变，但每次测量时的其他参数d，e，f，g都会改变，也就是说一种参数状态下，微分方程的对比值只有5min后的一个点，这样说来，每5min都可以利用遗传算法或其他方法计算出一组a，b，c的最优解，但是对于整个24h来说，如果对这些解进行评估，找出24h范围内的一组最优解呢？

; {# o9 b5 {7 c' l6 T0 U谢谢大家！！！

li4250630

没有人么？这个有点着急的

li4250630

有没有人帮我分析一下呢？
非常感谢

li4250630

果然还是没有人啊 唉

xyj1315689624

只看懂了前面一点点...最后的一段不明白...
9 U, ?% G, i1 x! |& D, u/ E应该说，很多微分方程模型中的参数..特别是非物理原理的方程..本来就是要利用反推进行求解的
8 j, `# E  y. ]3 w0 ?2 ~! M一般常用的参数估计方法是：
将微分方程差分，然后按照差分格式代入数据，反推参数；
如果定义参数是一个固定值的话，可以用点估计，比如矩估计；
% n; D: L4 X4 r3 E1 p' G# C如果参数是一个变量，比如时间t的函数，那就再拟合或者回归...