共查询到20条相似文献,搜索用时 15 毫秒
1.
赵刚 《中国天文和天体物理学报》1993,(2)
本文给出了27颗贫金属矮星和亚巨星的高分辨率高信噪比光谱观测资料.确定了这些样本星的恒星大气参数.利用Magain的定标方法,从b—y和V—K包指数导出有效温度.由迫使Fell谱线与高激发态Fel谱线给出相同铁丰度值确定表面重力.由Stromgren m_1色指数确定金属丰度[Fe/H]. 相似文献
2.
恒星光谱分类是天文学中一个重要的研究问题.对于已经采集到的海量高维恒星光谱数据的分类,采用模式匹配方法对光谱型分类较为成功,但其缺点在于标准恒星模版之间的差异性在匹配实际观测数据中不能体现出来,尤其是当需要进行光谱型和光度型的二元分类时模版匹配法往往会失败.而采用谱线特征测量的光度型分类强烈地依赖谱线拟合的准确性.为了解决二元分类的问题,介绍了一种基于卷积神经网络的恒星光谱型和光度型分类模型(Classification model of Stellar Spectral type and Luminosity type based on Convolution Neural Network, CSSL CNN).这一模型使用卷积神经网络来提取光谱的特征,通过注意力模块学习到了重要的光谱特征,借助池化操作降低了光谱的维度并压缩了模型参数的数量,使用全连接层来学习特征并对恒星光谱进行分类.实验中使用了大天区面积多目标光纤光谱天文望远镜(Large Sky Area Multi-Object Fiber Spectroscopy Telescope, LAMOST)公开数据集Data Release 5 (DR5,用了其中71282条恒星光谱数据,每条光谱包含了3000多维的特征)对该模型的性能进行验证与评估.实验结果表明,基于卷积神经网络的模型在恒星的光谱型分类上准确率达到92.04%,而基于深度神经网络的模型(Celestial bodies Spectral Classification Model, CSC Model)只有87.54%的准确率; CSSL CNN在恒星的光谱型和光度型二元分类上准确率达到83.91%,而模式匹配方法MKCLASS仅有38.38%的准确率且效率较低. 相似文献
3.
4.
大型巡天项目的快速发展,产生大量的恒星光谱数据,也使得实现恒星光谱数据的自动分类成为一项具有挑战性的工作.提出一种新的基于胶囊网络的恒星光谱分类方法,首先利用1维卷积网络和短时傅里叶变换将来源于LAMOST(Large Sky Area Multi-Object Fiber Spectroscopy Telescope)Data Release 5(DR5)的F5、G5、K5型1维恒星光谱转化成2维傅里叶谱图像,再通过胶囊网络对2维谱图像进行自动分类.由于胶囊网络具有保留图像中实体之间的分层位姿关系和无需池化层的优点,实验结果表明:胶囊网络具有较好的分类性能,对于F5、G5、K5型恒星光谱的分类,准确率优于其他分类方法. 相似文献
5.
光谱分类不仅对理解恒星物理学有着重要意义,而且在研究银河系整体结构和演化过程中起着至关重要的作用.然而在相关研究中仍存在分类精度低和光谱型未知等问题,因此提出一种新的光谱自动分类模型并将其应用在F、G和K 3种恒星光谱的分类中,方法的基本思想是训练一个深度信念网络对光谱数据进行分层特征学习,然后采用反向传播算法对整个模型进行微调.从LAMOST (Large Sky Area Multi-Object Fiber Spectroscopic Telescope) Data Release 5 (DR5)中选取31667条包含F、G和K 3种恒星的光谱数据,并在TOPCAT软件中与GAIA (Global Astrometric Interferometer for Astrophysics)数据进行交叉,得到颜色-星等图并验证光谱数据的分布.最后对该模型进行评估,结果表明:深度信念网络在综合性能上优于其他分类算法. 相似文献
6.
《天文学报》2016,(4)
深度学习是当前机器学习、模式识别和人工智能领域中的一项热点研究技术,非常适用于处理复杂的大规模数据.基于深度学习理论构建了一个5层的栈式自编码深度神经网络,对恒星大气物理参数进行自动估计,网络各层的节点数分别为3821-500-100-50-1.使用美国大型巡天项目Sloan发布的Sloan Digital Sky Survey(SDSS)实测光谱以及由Kurucz的New Opacity Distribution Function(NEWODF)模型得到的理论光谱进行了实验验证,对有效温度(Teff)、表面重力加速度(lg g)和金属丰度([Fe/H])3个物理参数进行了自动估计.结果表明,栈式自编码深度神经网络的估计精度较好,其中在SDSS数据上的平均绝对误差分别为:79.95(Teff/K),0.0058(lg(Teff/K)),0.1706(lg(g/(cm·s~(-2)))),0.1294 dex([Fe/H]);在理论数据上的平均绝对误差分别是:15.34(Teff/K),0.0011(lg(Teff/K)),0.0214(lg(g/(cm·s~(-2)))),0.0121 dex([Fe/H]). 相似文献
7.
DA白矮星光谱在光学波段主要由巴尔默线主导,谱线比较宽,且谱线轮廓不对称,传统的线心方法确定视向速度非常困难。介绍了一种基于利用白矮星的有效温度(Teff)和表面重力加速度(log g)选择理论模板,通过交叉相关方法确定DA白矮星的APP速度,减去白矮星的引力红移得到白矮星的视向速度。测试发现对于有效温度高于10 000 K且信噪比大于20的DA白矮星的低分辨率光谱(R~2000),精度在10 km/s以内。基于这种方法测量了SDSS DR7的DA白矮星观测样本的视向速度,统计发现在1 000 pc内,视向速度的平均值接近于0。 相似文献
8.
星系的光谱包含其内部恒星的年龄和金属丰度等信息, 从观测光谱数据中测量这些信息对于深入了解星系的形成和演化至关重要. LAMOST (Large Sky Area Multi-Object Fiber Spectroscopic Telescope)巡天发布了大量的星系光谱, 这些高维光谱与它们的物理参数之间存在着高度的非线性关系. 而深度学习适合于处理多维、海量的非线性数据, 因此基于深度学习技术构建了一个8个卷积层$+$4个池化层$+$1个全连接层的卷积神经网络, 对LAMOST Data Release 7 (DR7)星系的年龄和金属丰度进行自动估计. 实验结果表明, 使用卷积神经网络通过星系光谱预测的星族参数与传统方法基本一致, 误差在0.18dex以内, 并且随着光谱信噪比的增大, 预测误差越来越小. 实验还对比了卷积神经网络与随机森林回归模型、深度神经网络的参数测量结果, 结果表明卷积神经网络的结果优于其他两种回归模型. 相似文献
9.
恒星大气物理参量的非参数估计方法 总被引:1,自引:0,他引:1
恒星大气物理参量(有效温度、表面重力、化学丰度)是导致恒星光谱差异的主要因素.恒星大气物理参量的自动测量是LAMOST等大规模巡天望远镜所产生的海量天体光谱数据自动处理中一个重要研究内容.针对测量大样本的恒星光谱数据估计每个恒星的大气物理参量,提出了一种基于变窗宽核函数的估计算法:变窗宽算法是对固定窗宽算法的改进,分为3个步骤:(1)将历史恒星光谱数据进行PCA处理,得到光谱的低维特征数据;(2)利用特征数据与其物理参数的对应关系,建立一种变窗宽的非参数估计模型;(3)利用该估计模型,直接计算待测恒星光谱的3个物理参量(有效温度、表面重力、金属丰度).实验结果表明:该方法与固定窗宽估计模型以及在其他文献中报道的方法相比,具有较高的估计精度和鲁棒性. 相似文献
10.
天体光谱分类是天文学研究的重要内容之一,其关键是从光谱数据中选择和提取对分类识别最有效的特征构建特征空间.提出一种新的基于2维傅里叶谱图像的特征提取方法,并应用于LAMOST (the Large Sky Area Multi-Object Fiber Spectroscopic Telescope)恒星光谱数据的分类研究中.光谱数据来源于LAMOST Data Release 5(DR5),选取30000条F、 G和K型星光谱数据,利用短时傅里叶变换(Short-Time Fourier Transform, STFT)将1维光谱数据变换成2维傅里叶谱图像,对得到的2维傅里叶谱图像采用深度卷积网络模型进行分类,得到的分类准确率是92.90%.实验结果表明通过对LAMOST恒星光谱数据进行STFT可得到光谱的2维傅里叶谱图像,谱图像构成了新的光谱数据特征和特征空间,新的特征对于光谱数据分类是有效的.此方法是对光谱分类的一种全新尝试,对海量天体光谱的分类和挖掘处理有一定的开创意义. 相似文献
11.
12.
新一代大规模光谱巡天项目产生了近千万条低分辨率恒星光谱,基于这些光谱数据,介绍一种名为The Cannon的机器学习方法。该方法完全基于已知恒星大气参数(有效温度、表面重力加速度和金属丰度等)的光谱数据,通过数据驱动来构建特征向量,建立光谱流量特征和恒星参数的函数对应关系,进而应用到观测光谱数据中,实现对恒星光谱的大气参数求解。The Cannon的主要优势为不直接基于任何恒星物理模型,适用性更广;由于使用了全谱信息,即便对于低信噪比光谱也能得到较高可信度的参数结果,该算法在大规模恒星光谱的数据处理和参数求解方面具有明显的优势。此外,还利用The Cannon得到LAMOST光谱数据中K巨星和M巨星的恒星参数。 相似文献
13.
本文发表了对天鹅座32食双星1981年食期间及1982年食外期间,在波段范围λλ3520—4348A及λλ5110—6600A的光谱观测结果.分析了Call K线等值宽度随位相的变化,推算了K型超巨星色球大气的密度分布规律;测定了K星的视向速度;认证及测定了光谱中的发射线和呈P Cyg轮廓的谱线,并估算了K型超巨星的质量损失率. 相似文献
14.
15.
星际弥散带(Diffuse Interstellar Bands,DIBs)自发现以来已经经历了近百年的研究,但是至今仍然是天体光谱学上的一个未解之谜。针对SDSS DR7的光谱数据提出了一种星际弥散带特征自动识别方法。该方法基于谱线特征匹配,通过光谱流量限制的方法进行星际弥散带特征的自动识别。利用它可对相对定标的巡天光谱进行广泛的星际弥散带候选天体搜索,在海量光谱数据中获取更多具有星际弥散带特征的河内恒星。通过对SDSS DR7中位置相对合适的超过300个盘的天体光谱的遍历,已经得到了一系列具有星际弥散带特征的候选河内恒星,并且证明了该方法简单有效且具有鲁棒性。这为载体证认等工作提供了大量辅助数据,极大地推进了星际弥散带的研究。 相似文献
16.
星系中心黑洞质量和核球恒星速度弥散度的紧密关系揭示出准确测量恒星速度弥散度对测定星系中心黑洞质量尤为重要.文中提供了一种利用SDSS(Sloan Digital SkySurvey)光谱测定速度弥散度及其不确定性的方法.通过对像素空间包含显著特征吸收线的4个不同谱区的拟合,得到准确测量恒星速度弥散度σ的光谱区域.文中4个拟合波段主要包含的吸收线为CaⅡK,MgⅠb三重线(波长5167.5,5172.7,5183.6(?))和CaT(CaⅡ三重线,波长8498.0,8542.1,8662.1(?)).不同区域结果表明,MgⅠb区由于受到铁族发射线影响,拟合的σ值偏低;CaⅡK线区谱线强度很弱,易受限于最小二乘法搜索算法;CaT+CaⅡK联合区得出的速度弥散度和只计算CaT区域的结果相当.利用该方法,测试了一个红移小于0.05的赛弗特星系样本,发现CaT区是测速度弥散度的最佳谱区. 相似文献
17.
统计了SDSS(The Sloan Digital Sky Survey)最新发布的DR7(Data Release 7)数据中的CEMP星(Carbon-Enhanced Metal-Poor Stars).分析了样本的温度、光谱型、颜色等物理参量,同时给出了CEMP星在SDSS贫金属星中占的比例约为11%.统计得到SDSS_SSPP(The SEGUE Stellar Parameter Pipeline)发布的CEMP星样本的温度主要集中在6000~9000 K范围内.采用PLSR(偏最小二乘回归)方法计算样本的温度并给出其光谱型,结果显示与SSPP发布的温度比较没有系统误差,但在温度较高时,随机误差较大,这与SSPP中采用不同方法给出的温度值是一致的.从颜色-颜色图上看,选出的CEMP星主要包含两类星:BHB/BS和F(F Turn-Off),前者温度较高且温度误差相对较大.通过样本在Log(g)-颜色图上的划分,可以区分BHB和BS样本.最后讨论了BHB/BS和F(F Turn-Off)中C元素的来源. 相似文献
18.
19.
本文从Mira变星的光谱型、周期以及与之成协的OH脉泽频谱出发,按辐射压驱动恒星风的质量损失机制,计算了42个有OH脉泽双峰频谱资料的Mira变星的质量损失率,从而找出了Mira变星质量损失率与恒星光度、脉动周期以及成协脉泽源速度的关系.在质量损失率和表面有效温度之间未见明显的依赖性.文中最后对所得结果进行了简单的讨论. 相似文献
20.
星际弥散带(Diffuse Interstellar Bands,DIBs)自发现以来已经经历了近百年的研究,但是至今仍然是天体光谱学上的一个未解之谜.针对SDSS DR7的光谱数据提出了一种星际弥散带特征自动识别方法.该方法基于谱线特征匹配,通过光谱流量限制的方法进行星际弥散带特征的自动识别.利用它可对相对定标的巡天光谱进行广泛的星际弥散带候选天体搜索,在海量光谱数据中获取更多具有星际弥散带特征的河内恒星.通过对SDSS DR7中位置相对合适的超过300个盘的天体光谱的遍历,已经得到了一系列具有星际弥散带特征的候选河内恒星,并且证明了该方法简单有效且具有鲁棒性.这为载体证认等工作提供了大量辅助数据,极大地推进了星际弥散带的研究. 相似文献