通常，您可以将其表述为非线性最小二乘问题。如果您的值在点处已知，并且已知值为，那么您可以最小化$(x_{i},y_{i})$$f_{i}$

$\min_{a,b,c,d,e} \sum_{i=1}^{n} \left( f_{i} - a(bx_{i}+c)^{dy_{i}+e} \right)^{2}$

Levenberg-Marquardt 方法通常用于解决此类非线性最小二乘问题。您可以在许多软件包中找到实现。

如果可以推荐使用 Python 和 SciPy 的解决方案，您可以使用curve-fitscipy 中的函数来完成这项工作。

import scipy.optimize as op
import numpy as np

def func(xydata,a,b,c,d,e):
    x = xydata[:,0]
    y = xydata[:,1]
    return a*(b*x + c)**(d*y + e)

# Assuming you have your f(x,y) data in a file with
# three columns separated by comma e.g. x1,y1,f1
data = np.loadtxt('data.txt',delimiter=',')
xydata = data[:,0:2] # the first two columns
fdata = data[:,2] # the last column

# Use scipy to calculate the optimum parameter values
p_opt, p_conv = op.curve_fit( func, xydata, fdata )
print(popt)