| 基于神经网络的半接双星测光解轨方法 |
| |
| 引用本文： | 熊建萍,刘超,李蛟,李春乾,赵永恒.基于神经网络的半接双星测光解轨方法[J].天文研究与技术,2023(2):123-134. |
| |
| 作者姓名： | 熊建萍 刘超 李蛟 李春乾 赵永恒 |
| |
| 作者单位： | 1. 中国科学院国家天文台;2. 中国科学院大学 |
| |
| 基金项目： | 国家自然科学基金(11835057)资助； |
| |
| 摘 要： | 半接双星(semi-detached binary)对于研究相互作用双星的形成和演化有着重要意义。随着大规模时域巡天时代的到来，预计将发现大量此类天体。针对海量的时域观测数据，需要一种快捷的建模工具对半接双星开展自动化光变曲线分析。基于神经网络构建了半接双星快速测光解轨模型。该模型根据光变曲线和已知的主星温度对半接双星的轨道进行建模，获得其轨道倾角、相对半径、质量比和温度比4个基本参数。结果表明，半接双星神经网络解轨模型能够快速地对一条光变曲线建模。在测光误差小于光变曲线振幅1%时，模型对于轨道倾角接近90°、温度比约为0.6、光变振幅为1.84 mag的半接双星的轨道倾角、相对半径、质量比和温度比的测量误差分别为1.251, 0.004, 0.008和0.003。另外，模型应用在开普勒(Kepler)卫星实测光变曲线的结果表明，模型能够较为准确地对脉动食双星的光变曲线进行建模(拟合度可达0.9以上)。此外，该模型作为一个通用工具可以迁移到不同测光巡天项目上。
|
| 关 键 词： | 掩食双星 密近双星 机器学习 数据分析 |
|
|
