分类： 天文学 >> 天文学 提交时间： 2020-04-20 合作期刊: 《天文研究与技术》
摘要： 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，又叫郭守镜望远镜）巡天项目提供了海量恒星光谱数据，DR5数据集中包含大量A型星谱线指数和有效温度的信息。机器学习算法例如可以发掘数据底层相互关系的神经网络模型广泛运用于多个学科。通过使用DR5数据集中的A型星19种谱线指数和有效温度数据，通过主成分分析法，给出了每种谱线指数占整个数据信息的百分比，并以此为基础，选取与有效温度关系最紧密的12种谱线指数数据，利用有效温度误差小于100K的数据训练得到有效温度的神经网络回归模型。模型在测试数据集上整体表现较好，程序给出的决定系数R^2为0.904，平均绝对误差为58.38K。对比相关研究的模型，测量准确度有了明显提升。此外，通过建立模型，对有效温度误差大于100K的原始数据重新进行测量，得到的有效温度数据绝对误差的平均值有了明显下降；同时 DR5数据集中A5型恒星数据缺少有效温度参数，通过模型的测量，对这一部分数据进行了补充，提供了一定程度的参考意义。
分类： 天文学 >> 天文学 提交时间： 2019-05-20 合作期刊: 《天文研究与技术》
摘要： 天体光谱数据的智能处理正由传统机器学习方法逐步转向深度学习，主要采用基于计算机视觉的技术手段。本文基于在计算机视觉领域广泛应用的DenseNet网络结构，针对光谱数据进行修改，建立了适用于光谱数据的一维卷积神经网络模型解决天体光谱数据分类任务。在验证数据集上，恒星、星系、类星体的F1分数达到了为0.9987、0.9127、0.9147，高于传统神经网络。光谱分类关注区域的可视化结果表明，本文模型可以学习到各类天体对应的特征谱线，具有较强的可解释性。本文的方法被用于阿里云天池天文数据挖掘大赛——天体光谱智能分类，并在843支参赛队伍的3次数据评比中获得了2次第一、1次第三的成绩，证明了该模型在保证分类精度的同时具有极强的鲁棒性、泛化性，适用于光谱的自动分类。
分类： 天文学 >> 天文学 提交时间： 2019-04-29 合作期刊: 《天文研究与技术》
摘要： C超丰贫金属星（CEMP）在老年恒星中的普遍存在使得它成为研究宇宙早期形成和演化的重要对象，具有不同中子俘获元素丰度特征的CEMP有着不同的起源。不同于已经历挖掘过程的巨星，主序拐点星能很好地在其表层大气保留形成初期的物质，从而可以追溯到更早期的恒星形成化学环境。我们通过LAMOST巡天数据选源并利用Subaru/HDS进行后续高分辨率光谱观测了12颗CEMP主序拐点星，其中有10颗星是首次被分析。与已有的CEMP主序拐点星观测样本相比，我们的样本中包含了更高比例的中子俘获元素不超丰CEMP恒星（CEMP-no星），发生在中等程度C超丰区域，为其起源研究提供了重要数据。对其中6颗CEMP-no星测定了Li丰度，尤其是其中3颗极贫金属星样为探讨[Fe/H]<-3.0的CEMP拐点星Li丰度特征提供了重要的新观测数据。新增样本验证了CEMP-no星在[Fe/H]～-3.0附近为Li-正常星，与前人结论一致；而新增的两颗CEMP-s星表现出了中等Li丰度，介于之前的较大Li丰度范围，我们的研究为CEMP-s和CEMP-no的分类提供了辅助约束条件。
点击量
点击量
下载量
评论
