我尝试将温度值预测为时间和不同参数的函数。温度曲线看起来像一个“斜坡”，每隔一段时间就会出现一些“高斯峰”。

因此，我尝试为以下等式建立回归模型：

$$\hat{T}_{a, \mu, \sigma, s, c, m, p}\left(t\right) = a \frac{1}{\sigma\sqrt{2 \pi}} e^{-\frac{\left(\sin\left(\frac{t-s}{c}\right) - \mu\right)^2}{2 \sigma^2}} + m t + p$$

我的目标是建立价值观$a$,$\mu$,$\sigma$,$s$,$c$,$m$,$p$.

我的第一个意图是使用梯度下降，但我很确定基于 RSS 的成本函数的导数不会是凸的，所以我可能会陷入局部 mimina。

我也想知道是否没有更好的选择来解决这个问题。它尤其涉及不涉及最小化导数的方法。我认为（但不确定）神经网络可以帮助我。

那么，简而言之，您将如何解决以下问题？

$$\begin{equation} \left[\begin{array}{l} a \\ \mu \\ \sigma \\ s \\ c \\ m \\ p \end{array}\right] \leftarrow \textrm{argmin}_{a, \mu, \sigma, s, c, m, p}\frac{1}{2N} \sum_{i=1}^N{\left(a \frac{1}{\sigma\sqrt{2 \pi}} e^{-\frac{\left(\sin\left(\frac{t_i-s}{c}\right) - \mu\right)^2}{2 \sigma^2}} + m t + p - T_i\right)^2} \end{equation}$$

非常感谢你的帮助。

PS：我正在使用带有 scipy 堆栈的 python 3