python数据拟合(curve_fit)单波长瞬态吸收数据疑问

初学者正在尝试使用python去拟合一组单波长的瞬态吸收数据，但是拟合的结果非常不好，不知道是因为设置的参数不对，还是因为卷积的方法不对，还是代码的运行逻辑就有问题。

拟合的方程式是(一个高斯型的仪器响应函数IRt(t）卷积一个动力学方程)，动力学方程是由四个单指数衰减+最后平台的方程：

我写的高斯函数和动力学的形式是：

使用的公式是跟书上来的：

其中每个小写的字母是对应的时间，最后D是常数，所以我将时间改成无穷大，我的代码如下：

import numpy as np
import pandas as pd
from scipy import interpolate
import pylab as pl 
from scipy.signal import convolve
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
from scipy.special import erf

#得到矩阵 (输出矩阵无问题)
def load_csv(path):
    data_read = pd.read_csv(path)
    list = data_read.values.tolist()
    data = np.array(list)
    print(data.shape)
    # print(data)
    return data

def move_last_column_to_first(arr):
    reversed_arr = [row[::-1] for row in arr]
    A = [row[-1] for row in reversed_arr]
    reversed_arr = np.delete(reversed_arr,[-1],1)
    reversed_arr = np.insert(reversed_arr, 0, A, axis=1)
    return reversed_arr  

mat1 = np.array(move_last_column_to_first(load_csv("E:\\Data\\PY101\\PY101 mat\\3000 640pr.csv")))
row, column = np.shape(mat1)


def normalization(arr):    
    for i in range (1,row):
        a = np.max(arr[i,1:])
        for j in range(1,column):
            arr[i,j]/=a

               
#定义函数

def Convolution_solo(t, u, sigma, a, A):
    y1 = 0.5 * np.exp(-(1/a)*(t-u-0.5*(1/a)*sigma**2))
    y2 = 1 + erf((t-(u+(1/a)*sigma**2))/(2**0.5))
    return A * y1 * y2

def Convolution_Exp3(t, Amplitude, u, sigma, A, a, B, b, C, c, D, d):
    y1 = Convolution_solo(t, u, sigma, a, A)
    y2 = Convolution_solo(t, u, sigma, b, B)
    y3 = Convolution_solo(t, u, sigma, c, C)
    y4 = Convolution_solo(t, u, sigma, d, D)
    
    return Amplitude * (y1 + y2 + y3 + y4)

def Gaussian(t, Amplitude, u,sigma):
    y = Amplitude*np.exp(-np.power(t - u, 2) / (2 * np.power(sigma, 2)))
    return y
    
time = mat1[0, 1:]#时间点
a1 = mat1[1, 1:] #-8.5
weights = [0.00000001 for i in a1]

# 设置初始参数 p0
values = np.array(load_csv("E:\Data\PY101\para\para6.csv"))
bounds = np.delete(values, 1, axis=0)

# 使用 curve_fit 进行数据拟合
popt, pcov = curve_fit(Convolution_Exp3, time, a1, p0 = values[1,:], maxfev=10000, sigma = weights, absolute_sigma=True, bounds=bounds)
print(popt) 
bounds_2 = np.insert(values, 3, popt, axis=0)
pd.DataFrame(bounds_2).to_csv('E:\Data\PY101\para\\final6.csv')



Amplitude, u, sigma, A, a, B, b, C, c, D, d = popt[0],popt[1],popt[2], popt[3], popt[4], popt[5], popt[6], popt[7], popt[8], popt[9], popt[10]
y = Convolution_Exp3(time, Amplitude, u, sigma, A, a, B, b, C, c, D, d)
y1 = Gaussian(time, Amplitude, u, sigma)

plt.scatter(time, a1, marker='o',label='real', color='blue')
plt.scatter(time, y ,marker='o',label='curve_fit', color='green')
plt.scatter(time, y1 ,marker='^',label='Gaussian', color='red')

plt.legend()

plt.show()

给出的valus如下：(1:min,2:initial;3:max;4:实验给出的值)

u	sigma	A	a	B	b	C	c	D	d
-0.5	0.04	0	0.01	0	3	0	110	-1	100000.1
0.1	0.05	2	0.1	1	10	1	401.587	0.16	100000.2
0.5	0.2	5	0.3	5	60	5	500	1	100000.3
0.084196	0.2	1.57E-06	0.198219	0.482104	3	0.260399	135.1791	0.17248	100000.3

1.已经知道sigma的值一般是不会大于0.2ps的，如果大于说明仪器响应函数要大于0.2*2.3~400fs这是不可能的

拟合结果如下：
 

主要是最前面哪个蓝线的尖尖应该是一个很快的动力学，但是好像拟合到gaussian数据里头了，最快的大概只有100fs左右的动力学好像没有拟合上，我的代码是哪里出问题了么？还是我对curve_fit函数使用方法不正确，我也有考虑将gaussian加上一个Amplitude参数来控制大小会不会好一点呢，求助ww