發(fā)布時間：2017-12-18 11:22

  本文關(guān)鍵詞：ANN在天體光譜分類及恒星大氣參數(shù)測量中的應用

  更多相關(guān)文章： 天體光譜分類 恒星大氣參數(shù)自動測量 人工神經(jīng)網(wǎng)絡(luò)算法 特征提取

【摘要】：天體光譜中蘊含著豐富的天體物理信息。通過對天體光譜的分析,可以定性或定量地確定天體的物理、化學成分,直接或間接地測定天體的參數(shù)。數(shù)據(jù)挖掘技術(shù)就是從大量的、不完全的、有噪聲的、模糊的隨機數(shù)據(jù)中,提取隱含于其中而人們事先不知道但又潛在有用的知識和信息的過程。數(shù)據(jù)挖掘技術(shù)為高維天體光譜數(shù)據(jù)的分類及參數(shù)的自動測量提供了很好的支持。 隨著LAMOST巡天計劃的開始,每個觀測夜將產(chǎn)生數(shù)萬條的光譜。這些海量數(shù)據(jù)的分析顯然不能通過傳統(tǒng)的人工方法進行,因此對光譜的自動處理算法的研究十分重要。與一些傳統(tǒng)算法相比,人工神經(jīng)網(wǎng)絡(luò)具有很強的非線性映射能力、良好的適應性和容錯性,在天文學中得到了廣泛的應用。本文主要研究基于人工神經(jīng)網(wǎng)絡(luò)算法的天體光譜分類及恒星大氣參數(shù)的自動測量。 木研究的主要工作如下 (1)高維光譜數(shù)據(jù)的特征提取。本文先對光譜進行預處理,然后分別采用基于主分量的特征值提取法和矩陣奇異值分解法對光譜的主要特征進行提取,將高維的光譜投影到低維空間,在保留數(shù)據(jù)主要特征的同時降低處理的時間和空間復雜度。比較兩種方法對光譜數(shù)據(jù)的特征提取以及對分類、參數(shù)估計的影響。 (2)天體光譜的粗分類。本文使用SDSS數(shù)據(jù),首先將天體光譜投影到不同的特征空間,再使用BP神經(jīng)網(wǎng)絡(luò)模型和徑向基神經(jīng)網(wǎng)絡(luò)模型對投影后的數(shù)據(jù)進行分類,并比較使用各種方法所需時間及分類誤差。得到對不同的天體光譜數(shù)據(jù)進行分類的較好方法。 (3)恒星大氣參數(shù)的自動測量。恒星的重力加速度、有效溫度和化學豐度是恒星三個主要的大氣參數(shù)。本文使用ELODIE實測恒星光譜庫,先對其進行預處理,連續(xù)譜歸一化以及剔除奇異數(shù)據(jù)并提取光譜數(shù)據(jù)的三個主要大氣參數(shù)。然后分別使用BP神經(jīng)網(wǎng)絡(luò)模型和徑向基神經(jīng)網(wǎng)絡(luò)模型對這三個參數(shù)進行自動估計,比較估計值和真實值的差異并進行誤差分析。最后,得到使用神經(jīng)網(wǎng)絡(luò)模型的最佳參數(shù)區(qū)間范圍。
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TP311.13;P152

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 潘亞春;屠良平;;基于神經(jīng)網(wǎng)絡(luò)的恒星大氣參數(shù)自動測量[J];遼寧科技大學學報;2009年01期

2 覃冬梅,胡占義,趙永恒;一種基于主分量分析的恒星光譜快速分類法[J];光譜學與光譜分析;2003年01期

3 覃冬梅,胡占義,趙永恒;基于支撐矢量機的天體光譜自動分類方法[J];光譜學與光譜分析;2004年04期

4 薛建橋,李啟斌,趙永恒;使用SOFM方法進行恒星光譜自動分類[J];天體物理學報;2000年04期

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

6 李麗麗;張彥霞;趙永恒;楊大衛(wèi);;人工神經(jīng)網(wǎng)絡(luò)在天文學中的應用[J];天文學進展;2006年04期

7 趙永恒;;天體光譜獲取率最高的望遠鏡——LAMOST[J];現(xiàn)代物理知識;2007年05期

8 董軍,胡上序;混沌神經(jīng)網(wǎng)絡(luò)研究進展與展望[J];信息與控制;1997年05期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 韋鵬;LAMOST一維光譜自動處理[D];山東大學;2011年

，

本文編號：1303979