我有一个应用程序，我需要合并从python中的scipy.integrate.solve_ivp获得的两个解决方案。实际的应用程序有点复杂，但下面的例子说明了这个想法：

from scipy.integrate import solve_ivp import numpy as np

def lotkavolterra(t, z, a, b, c, d):

    x, y = z

    return [a*x - b*x*y, -c*y + d*x*y]

sol_1 = solve_ivp(lotkavolterra, [0, 10], [10, 5], args=(1.5, 1, 3, 1), dense_output=True).sol  
sol_2 = solve_ivp(lotkavolterra, [10, 15], [10, 5], args=(1.5, 1, 3, 1), dense_output=True).sol

def sol_comb(t):

    if t <= 10:
        return sol_1(t)
    else:
        return sol_2(t)

我希望能够在numpy数组上使用合并或组合的解sol_comb。因此，我尝试定义一个矢量化的解，如下所示：

sol_comb_vect = np.vectorize(sol_comb)

下面的代码只调用标量上的函数，运行良好：

print("sol_1 for t = 2",sol_1(2)) 
print("sol_2 for t = 11",sol_2(11))
print("sol_comb for t = 11",sol_comb(11))
print("sol_comb_vect for t = 11",sol_comb_vect(11))

单个解sol_1和sol_2显然是矢量化的，因为下面的表达式可以正常工作：

print("sol_1 for t = [2,3]",sol_1(np.array([2])))
print("sol_2 for t = [11,13]",sol_2(np.array([11,13])))

但是，如果我对一个数组调用非矢量化函数sol_comb，如下面的示例所示，我将得到预期的ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()：

print("sol_comb for t = [11,13]",sol_comb(np.array([11,13])))

我希望矢量化版本sol_comb_vect可以工作。

print("sol_comb_vect for t = [11,13]",sol_comb_vect(np.array([11,13])))

有什么办法解决这个问题吗？
我也很乐意以一种更简洁的方式合并两个OdeSolution示例，原则上我认为这是可能的，分别使用sol_1和sol_2的时间值和插值。