热门搜索: 论文 发表 社科期刊 北大核心 南大核心 cssci 科技期刊 教育

当前位置:主页 > 科技论文 > 天文学论文 >

基于LAMOST光谱的恒星大气物理参数估计

发布时间:2019-01-08 14:56  文章来源:笔耕文化传播
【摘要】:基于实测光谱的恒星大气物理参数估计是探索恒星本质的首要任务。随着郭守敬望远镜(LAMOST)进入正式巡天阶段,正以前所未有的速度获取海量的恒星实测光谱数据,这为星系研究带来了新的机遇和挑战。由于LAMOST是多目标光纤光谱天文望远镜,获取的光谱噪音比较大。光谱前期处理中的波长定标和流量定标精度不高,导致光谱存在微小畸变,这些都大大增加了恒星大气物理参数测量的难度。如何对LAMOST实测光谱的恒星大气物理参数进行自动测量是迫切期待需要研究的一个重要课题,关键是如何消除噪声,提高恒星大气物理参数的测量精度和鲁棒性。提出了一个测量LAMOST恒星光谱大气参数的回归模型(SVM(lasso))。基本思路是:首先使用Haar小波对光谱信号进行滤波,抑制光谱中噪声的不利影响,最大限度地保留光谱判别信息。然后采用lasso算法进行特征选择,选取与恒星大气物理参数相关性强的特征。最后将选择的光谱特征输入支持向量机回归模型对恒星大气物理参数进行估计,该模型对光谱畸变和噪音的容忍性比较好,提高了测量的精确度。为了验证上述方案的可行性,在33 963条LAMOST先导巡天恒星光谱库上作了实验研究,三个恒星大气物理参数的精度分别为log Teff:0.006 8dex,log g:0.1551dex,[Fe/H]:0.104 0dex。
[Abstract]:The estimation of stellar atmospheric physical parameters based on measured spectra is the primary task in exploring the nature of stars. As Guo Shoujing Telescope (LAMOST) enters the official phase of sky survey, it is acquiring massive stellar measured spectral data at an unprecedented speed, which brings new opportunities and challenges to galaxy research. Because LAMOST is a multi-object optical fiber spectral telescope, the spectral noise obtained is relatively large. The precision of wavelength calibration and flow calibration in the pre-processing of spectrum is not high, which leads to the small distortion of the spectrum, which greatly increases the difficulty of measuring the atmospheric physical parameters of stars. How to automatically measure the atmospheric physical parameters of stars measured by LAMOST spectrum is an important subject that needs to be studied urgently. The key is how to eliminate noise and improve the measurement accuracy and robustness of stellar atmospheric physical parameters. A regression model (SVM (lasso). For measuring spectral atmospheric parameters of LAMOST stars is proposed. The basic idea is: firstly, the spectral signal is filtered by Haar wavelet to suppress the adverse effect of the noise in the spectrum, and the spectral discriminant information is kept to the maximum extent. Then the lasso algorithm is used to select the features which have strong correlation with the atmospheric physical parameters of stars. Finally, the selected spectral features are input into the support vector machine regression model to estimate the atmospheric physical parameters of stars. The model has better tolerance to spectral distortion and noise, and improves the accuracy of measurement. In order to verify the feasibility of the above scheme, an experimental study has been carried out on 33,963 LAMOST guided star spectropools. The accuracy of the three stellar atmospheric physical parameters is log Teff:0.006 8 dextral log g: 0.1551 dextran, [Fe/H]: 0.104 dextra.
【作者单位】: 华南师范大学数学科学学院;
【基金】:国家自然科学基金项目(61273248,61075033) 广东省自然科学基金项目(S2011010003348)资助
【分类号】:P144

【参考文献】

相关期刊论文 前4条

1 ;Automated estimation of stellar fundamental parameters from low resolution spectra: the PLS method[J];Research in Astronomy and Astrophysics;2009年06期

2 ;The Large Sky Area Multi-Object Fiber Spectroscopic Telescope (LAMOST)[J];Research in Astronomy and Astrophysics;2012年09期

3 ;Data release of the LAMOST pilot survey[J];Research in Astronomy and Astrophysics;2012年09期

4 ;LAMOST spectral survey——An overview[J];Research in Astronomy and Astrophysics;2012年07期

【共引文献】

相关期刊论文 前10条

1 唐晓芬;赵秉新;;基于支持向量机的农村劳动力转移预测[J];安徽农业科学;2011年11期

2 郭良栋;田江;丛晓东;;基于CPSO和SVM的混沌时间序列预测[J];辽宁科技大学学报;2009年06期

3 李冬;王璐;康文峥;;基于SVM的作战效能灵敏度分析[J];兵工自动化;2011年01期

4 张军;单永海;曹殿广;郑玉新;葛欣鑫;;基于最小二乘支持向量机的机枪加速寿命建模[J];兵工学报;2012年01期

5 庞九凤;李险峰;谢劲松;佟冬;程旭;;基于支持向量机的微体系结构设计空间探索(英文)[J];北京大学学报(自然科学版);2010年01期

6 廖龙飞;王晶;;面向多输出系统的启发式支持向量机回归[J];北京化工大学学报(自然科学版);2011年02期

7 ;Application of support vector machine in the prediction of mechanical property of steel materials[J];Journal of University of Science and Technology Beijing(English Edition);2006年06期

8 王泽生;车喜龙;;无线接入点吞吐率预测的建模与优化[J];吉林大学学报(信息科学版);2010年03期

9 ;Nonlinear Time Series Prediction Using LS-SVM with Chaotic Mutation Evolutionary Programming for Parameter Optimization[J];Communications in Theoretical Physics;2006年04期

10 ;Online Dispatching Decision Support System for Smart Grid Reservoir Group[J];Electricity;2011年05期

相关会议论文 前10条

1 刘卓军;李晓明;;一种基于时间序列异常点监测的可疑交易分析方法[A];第十三届中国管理科学学术年会论文集[C];2011年

2 颜七笙;;基于PCA-SVM的动态联盟候选伙伴绩效评价方法[A];第十三届中国管理科学学术年会论文集[C];2011年

3 赵卫;刘济科;;随机结构可靠度分析的支持向量机方法[A];第九届全国振动理论及应用学术会议论文集[C];2007年

4 周金柱;黄进;甄立冬;;腔体滤波器制造精度对电性能影响的支持向量建模与优化[A];2011年机械电子学学术会议论文集[C];2011年

5 ;Online Modeling Based on Support Vector Machine[A];2009中国控制与决策会议论文集(1)[C];2009年

6 ;An online outlier detection method for process control time series[A];Proceedings of the 2011 Chinese Control and Decision Conference(CCDC)[C];2011年

7 刘子阳;郭崇慧;;应用支持向量回归方法预测胎儿体重[A];大连理工大学生物医学工程学术论文集(第2卷)[C];2005年

8 徐慧;李云玮;;基于分形和支持向量机的瓦斯涌出量预测研究[A];煤矿自动化与信息化——第19届全国煤矿自动化与信息化学术会议暨中国矿业大学(北京)百年校庆学术会议论文集[C];2009年

9 印家健;李梦龙;;基于HMLP参数的二肽logP值支持向量机预测模型[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年

10 于国荣;夏自强;;支持向量机的混沌序列预测模型及在径流中应用[A];2007重大水利水电科技前沿院士论坛暨首届中国水利博士论坛论文集[C];2007年

相关博士学位论文 前10条

1 王晓明;基于统计学习的模式识别几个问题及其应用研究[D];江南大学;2010年

2 吴少智;时间序列数据挖掘在生物医学中的应用研究[D];电子科技大学;2010年

3 祝晓春;增强型软件项目中测试工作量度量研究[D];浙江大学;2010年

4 刘春波;统计建模方法的理论研究及应用[D];江南大学;2011年

5 刘雪美;喷杆喷雾机风助风筒多目标优化设计[D];山东农业大学;2010年

6 王中锋;树型贝叶斯网络分类器鉴别式训练研究[D];北京交通大学;2011年

7 邓鹏程;基于数据的铅锌熔炼过程自适应在线监控与故障诊断[D];中南大学;2011年

8 李小敏;胎肺超声图像分析及其在肺成熟度估计的应用[D];复旦大学;2011年

9 杜健辉;基于旋转电弧传感的水下焊缝成形及自动跟踪的研究[D];华南理工大学;2011年

10 左琳;神经网络及在网络用户行为分析中的应用研究[D];电子科技大学;2011年

相关硕士学位论文 前10条

1 姜成玉;基于支持向量机的时间序列预测[D];辽宁师范大学;2010年

2 徐俏;基于多目标微粒群的转炉合金加入量优化研究[D];大连理工大学;2010年

3 姜力文;基于信息熵的转炉炼钢动态过程建模研究[D];大连理工大学;2010年

4 陈启;基于支持向量回归在短期负荷预测中的应用[D];河北工程大学;2010年

5 陈逸波;支持向量机在高炉炉温预报中的应用及若干改进[D];浙江大学;2010年

6 王霏;面向动漫素材的特征提取与分类识别[D];浙江大学;2011年

7 荣正勤;甜叶菊糖甙含量近红外光谱定量预测模型的创建及应用[D];浙江大学;2011年

8 陈丽娟;利用对接分数预测人类血浆白蛋白结合率[D];浙江大学;2011年

9 李一磊;服装设计风格决策模型的研究与实现[D];东华大学;2011年

10 韩国军;基于特征选择和支持向量机的纹理图像分类[D];西安电子科技大学;2009年

【二级参考文献】

相关期刊论文 前2条

1 苏定强,崔向群;主动光学─新一代大望远镜的关键技术[J];天文学进展;1999年01期

2 Heidi Jo Newberg;Jeffrey L. Carlin;Norbert Christlieb;Hsu-Tai Lee;;The site conditions of the Guo Shou Jing Telescope[J];Research in Astronomy and Astrophysics;2012年07期

【相似文献】

相关期刊论文 前10条

1 黄授书;李z,

本文编号:2404764


论文下载
论文发表
教材专著
专利申请


    下载步骤:
    1.微信扫码,备注编号 2404764.
    2.
    点击下载


    本文链接:http://www.bigengculture.com/kejilunwen/tianwen/2404764.html