共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
画鬼并不容易
古人曰:画鬼容易画人难。原因是画鬼可以随心所欲,不受限制。我们的类星体很特别,本来是鬼,却非常像人。哪怕是拍一张高质量的天文图片,类星体的样子也和普通恒星完全一样,看不出有任何区别。第一位揭开鬼的面纱的是加拿大籍美国著名天文学家欧克教授。 相似文献
3.
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
4.
本文提供了125颗MK标准星的CCD光谱,光谱型从O到M,光度级从V到Ⅰ,构成较完整的二元分类框架,光谱覆盖范围由传统蓝紫区延伸到黄红区.初步考察和归纳了黄红区适于恒星分类的主要光谱特征和判据.这些结果对于采用相似分辨率的恒星光谱分类工作是非常有用的. 相似文献
5.
本提供了125颗MK标准星的CCD光谱,光谱型从O到M〉光度级从V到I,构成较完整的二元分类框架,光谱覆盖范围由传统蓝紫区延伸到黄红区,初步考察和归纳了黄红区适于恒星分类的主要光谱特征和判据,这些结果对于采用相似分辨率的恒星光谱分类工作是非常有用的。 相似文献
6.
7.
新宇 《紫金山天文台台刊》2003,(2)
作为目前研究复杂恒星系统的有力工具 ,星族合成方法是建立在单星演化理论基础之上的 ,因此 ,必然有其不完善性存在 ,尤其当系统中的双星成分不容忽视时。作为演化星族合成方法的基本单元 ,简单恒星星族模型的构成即排除了双星贡献。本文中 ,我们以银河系疏散星团为简单恒星星族模板 ,构造出一系列简单恒星星族积分光谱。从中我们可以看到 :蓝离散星这类理论上主要来源于双星系统的恒星 ,对星团积分光谱的紫外及蓝端有很大影响 ,从而造成简单恒星星族积分光谱能量分布的改变。这种改变势必影响对星团年龄及其它一些物理参量的判定 ,并最终影响星族合成的结果。同时 ,若以 (B -V )色指数进行度量 ,蓝离散星对简单恒星星族积分颜色的影响可达到 30 %。工作中 ,我们选取了 2 6个年龄在1x10 1 0 ~ 6x10 1 0 年之间的疏散星团为样本进行统计研究。 相似文献
8.
9.
10.
11.
邓李才 《紫金山天文台台刊》2003,(2)
大质量恒星由于其高光度、短寿命和质量损失 ,对星系的积分光谱能量分布和重元素增丰起主导作用 ,从而在研究星系的形成和演化上具有特殊的意义。特别是随着天文设备的长足进展 ,我们可以回溯宇宙演化的历史 ,得到形成初期时星系的观测性质。那时 ,大质量恒星主导星系的辐射性质 ,这更加突出了对大质量恒星进一步了解的迫切性。但是大质量恒星的演化性质相对中小质量恒星而言 ,有很多不确定性。本文通过对比现有恒星模型与实测结果 ,对现有大质量恒星演化理论中存在的几个与对流和质量损失相关的问题进行了评述 ,并对从理论上 ,特别是通过数字模拟方法对这些问题进行诊断提出了展望。 相似文献
12.
13.
恒星形成区是研究恒星形成物理过程最重要的天体物理实验室. 猎户座分子云团是研究各种质量恒星形成和相关年轻恒星性质的一个著名天区. 通过对恒星形成区的光学光谱分析, 可以获取其内部热电离气体的运动学和化学性质. 基于国家大科学装置郭守敬望远镜(LAMOST)的光谱观测数据, 从LAMOST I期光谱巡天数据中筛选出8个指向猎户座分子云团的观测面板, 获取了1300多条针对猎户座分子云团内弥散电离介质的有效光谱. 选取不受星际介质污染的背景天光光谱构建超级天光, 对这些光谱数据做减天光处理, 并进一步测量其发射线性质,包括Ha、N Ⅱ] λ 6584、[S Ⅱ]λλ 6717和6731等发射线的中心波长和积分流量等.最后给出猎户座分子云团内弥散电离介质的视向速度和线强度比分布情况. 相似文献
14.
15.
16.
17.
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
18.
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
19.
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
20.
找到天狼星很容易,但是你能找到天狼星的伴星吗?我们常说的天狼星其实指的是天狼A,是一对双星里的主星,它是夜空中最亮的恒星,-1.5等的亮度雄霸冬季夜空,天文爱好者们一定都看过这颗恒星。在这个双星系统里,还有一颗不那么引人注目,但却大名鼎鼎的伴星——天狼B。它是一颗白矮星,以大约50年的周期绕着天狼A运行。 相似文献