我一直在寻找，但找不到使用 julia 中的 DifferentialEquations 参数估计来拟合多个数据集的直接方法。因此，假设我们有一个带有两个参数的简单微分方程：

f1 = function (du,u,p,t)
  du[1] = - p[1]*p[2] * u[1]
end

我们有 u[1] 与 t 的实验数据集。每个数据集具有不同的 p[2] 值和/或不同的初始条件。p[1] 是我们要估计的参数。我可以通过在 for 循环中求解微分方程来实现此目的，该循环迭代不同的初始条件和 p[2] 值，将解存储在数组中并根据实验数据创建损失函数。我想知道是否有一种方法可以用更少的代码行来完成此操作，例如使用DiffEqBase.problem_new_parameters设置每个数据集的条件。在将模型拟合到实验数据时，这是一种非常常见的情况，但我在文档中找不到很好的示例。

先感谢您，

此致

编辑1

上面表达的情况只是一个简化的例子。为了使其成为一个实际案例，我们可以通过以下代码创建一些虚假的实验数据：

using DifferentialEquations

# ODE function
f1 = function (du,u,p,t)
  du[1] = - p[1]*p[2] * u[1]
end

# Initial conditions and parameter values.
# p1 is the parameter to be estimated.
# p2 and u0 are experimental parameters known for each dataset.
u0 = [1.,2.]
p1 = …