完整代码与注释：浓溶液稀释系统动态调控

项目介绍

浓溶液的稀释计算广泛应用于药剂生产。由3个容器构成了一个稀释系统。3个容器内装着体积分别是V1、V2、V3的盐水(三个容器都从上面的开口接水，下面有一个口出水)。
纯净水从上端倒入容器1，随后混合液体从容器1流入容器2，再从容器2流入容器3，最后流出容器3。每一段的流速是相同的为Vr。
（1）已知Vr=45.46(L/min)，容器内盐的初始值分别是6.8千克、0千克、0千克。容器3内的盐含量如data.xlsx，试建立数学模型，计算出容器2的盐含量随时间变化情况。
（2）利用问题（1）的数学模型确定最快流速，确保容器3工作前20分钟，容器3的盐含量不超过3.18千克，且容器3的盐含量超过2.27千克的时间超过5分钟。
关键词

1. 浓溶液稀释
2. 容器动态模型
3. 盐含量调控
4. 数据可视化
5. 数学建模

效果展示

项目思路

1. 数据读取与理解

• 利用pandas库读取名为data.xlsx的Excel文件，获取时间（min）和盐含量（kg）两列数据。
• 通过对数据的初步观察，理解数据的分布和特点。

2. 数据可视化

• 使用matplotlib库绘制盐含量随时间变化的散点图，以直观展示数据分布情况。
• 添加合适的标签和标题，使图表更易于理解。

3. 建立数学模型

• 定义一个用于拟合的函数func，包含时间 t、和四个参数 a、b、c、d。
• 选择指数衰减的形式，使用两个指数项表示混合液体中的盐含量变化。
• 建立数学模型的过程是对实际情况的抽象，需要考虑函数形式和参数的物理意义。

4. 曲线拟合

• 利用scipy.optimize.curve_fit进行曲线拟合，拟合函数为上一步定义的func。
• 获取拟合参数 popt 和协方差 pcov。

5. 拟合结果可视化

• 利用拟合参数，绘制拟合曲线，将其与原始数据散点图进行对比。
• 在图表上标注拟合参数，以便观察者了解拟合函数的形状和贴合度。

具体代码

import pandas as pd
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import numpy as np

# 读取数据
data = pd.read_excel('data.xlsx')
time = data['时间（min）']
salt_content = data['盐含量（kg）']

# 数据可视化
plt.plot(time, salt_content, 'o', label='Data')
plt.xlabel('Time (min)')
plt.ylabel('Salt Content (kg)')
plt.title('Salt Content vs. Time')
plt.legend()
plt.show()

# 使用曲线拟合
def func(t, a, b, c, d):
    return a * np.exp(-b * t) + c * np.exp(-d * t)

popt, pcov = curve_fit(func, time, salt_content)

# 绘制拟合曲线
plt.plot(time, salt_content, 'o', label='Data')
plt.plot(time, func(time, *popt), 'r-', label='Fit: a=%5.3f, b=%5.3f, c=%5.3f, d=%5.3f' % tuple(popt))
plt.xlabel('Time (min)')
plt.ylabel('Salt Content (kg)')
plt.title('Salt Content vs. Time with Curve Fit')
plt.legend()
plt.show()

项目链接

GitHub：https://github.com/Olivia-account/Dynamic-Regulation-of-Concentrated-Solution-Dilution-System

后记

如果觉得有帮助的话，求 关注、收藏、点赞、星星 哦！