Origin快速拟合荧光寿命、PL Decay (TRPL)数据分析处理-方法二

1.先导入数据到origin

2.导入文件的时候注意:名字短的这个是,或者你打开后看哪个里面有800,因为我的激光重频是1.25Hz(应该是,不太确定单位是KHz还是MHz),所以对应的时间是800s。

3.选中两列直接画散点图,然后纵坐标取对数log

4.因为这个寿命的拟合得从最大值开始,但是前面是有一部分起始部分很低,我们直接选取拟合范围就行,点击这个区范围的按钮,然后双击右边这个曲线,会变成我图中这样,再拖动左边的线选最高点这个范围

5.范围选取好后开始拟合,分析-拟合-非线性拟合

6.category选第二个,然后function选decay3(你想用几指数就选哪个,灵活点)

7.然后点这个一步拟合到位就可以了

8.然后根据拟合出来的数据算Taverage就行了,

Tave=(A1*T1/(A1+A2+A3))+(A2*T2/(A1+A2+A3))+(A3*T3/(A1+A2+A3))

相关推荐
sauTCc4 分钟前
Pytorch加载数据的Dateset类和DataLoader类
人工智能·pytorch·python
啥都鼓捣的小yao8 分钟前
课程2. 用PyTorch训练神经网络与梯度下降
人工智能·pytorch·神经网络
PeterClerk16 分钟前
DeepSeek R1 训练策略4个阶段解析
人工智能·深度学习·机器学习·语言模型·自然语言处理·llm·deepseek
龚大龙1 小时前
机器学习(李宏毅)——Diffusion Model
人工智能·机器学习
陈敬雷-充电了么-CEO兼CTO1 小时前
DeepSeek-R1:通过强化学习激发大语言模型的推理能力
人工智能·gpt·搜索引擎·自然语言处理·chatgpt·大模型·aigc
小宇爱1 小时前
55、深度学习-自学之路-自己搭建深度学习框架-16、使用LSTM解决RNN梯度消失和梯度爆炸的问题,重写莎士比亚风格文章。
人工智能·rnn·深度学习·神经网络·自然语言处理
南太湖小蚂蚁1 小时前
自然语言处理入门2——神经网络
人工智能·python·深度学习·神经网络·自然语言处理
梦丶晓羽1 小时前
自然语言处理:初识自然语言处理
人工智能·自然语言处理
AOIWB2 小时前
机器分类的基石:逻辑回归Logistic Regression
机器学习·分类·数据挖掘·逻辑回归
dundunmm2 小时前
【数据挖掘】NumPy
人工智能·数据挖掘·numpy