【摘要】：基于實(shí)測(cè)光譜的恒星大氣物理參數(shù)估計(jì)是探索恒星本質(zhì)的首要任務(wù)。隨著郭守敬望遠(yuǎn)鏡(LAMOST)進(jìn)入正式巡天階段,正以前所未有的速度獲取海量的恒星實(shí)測(cè)光譜數(shù)據(jù),這為星系研究帶來了新的機(jī)遇和挑戰(zhàn)。由于LAMOST是多目標(biāo)光纖光譜天文望遠(yuǎn)鏡,獲取的光譜噪音比較大。光譜前期處理中的波長(zhǎng)定標(biāo)和流量定標(biāo)精度不高,導(dǎo)致光譜存在微小畸變,這些都大大增加了恒星大氣物理參數(shù)測(cè)量的難度。如何對(duì)LAMOST實(shí)測(cè)光譜的恒星大氣物理參數(shù)進(jìn)行自動(dòng)測(cè)量是迫切期待需要研究的一個(gè)重要課題,關(guān)鍵是如何消除噪聲,提高恒星大氣物理參數(shù)的測(cè)量精度和魯棒性。提出了一個(gè)測(cè)量LAMOST恒星光譜大氣參數(shù)的回歸模型(SVM(lasso))�；舅悸肥�:首先使用Haar小波對(duì)光譜信號(hào)進(jìn)行濾波,抑制光譜中噪聲的不利影響,最大限度地保留光譜判別信息。然后采用lasso算法進(jìn)行特征選擇,選取與恒星大氣物理參數(shù)相關(guān)性強(qiáng)的特征。最后將選擇的光譜特征輸入支持向量機(jī)回歸模型對(duì)恒星大氣物理參數(shù)進(jìn)行估計(jì),該模型對(duì)光譜畸變和噪音的容忍性比較好,提高了測(cè)量的精確度。為了驗(yàn)證上述方案的可行性,在33 963條LAMOST先導(dǎo)巡天恒星光譜庫(kù)上作了實(shí)驗(yàn)研究,三個(gè)恒星大氣物理參數(shù)的精度分別為log Teff:0.006 8dex,log g:0.1551dex,[Fe/H]:0.104 0dex。
[Abstract]:The estimation of stellar atmospheric physical parameters based on measured spectra is the primary task in exploring the nature of stars. As Guo Shoujing Telescope (LAMOST) enters the official phase of sky survey, it is acquiring massive stellar measured spectral data at an unprecedented speed, which brings new opportunities and challenges to galaxy research. Because LAMOST is a multi-object optical fiber spectral telescope, the spectral noise obtained is relatively large. The precision of wavelength calibration and flow calibration in the pre-processing of spectrum is not high, which leads to the small distortion of the spectrum, which greatly increases the difficulty of measuring the atmospheric physical parameters of stars. How to automatically measure the atmospheric physical parameters of stars measured by LAMOST spectrum is an important subject that needs to be studied urgently. The key is how to eliminate noise and improve the measurement accuracy and robustness of stellar atmospheric physical parameters. A regression model (SVM (lasso). For measuring spectral atmospheric parameters of LAMOST stars is proposed. The basic idea is: firstly, the spectral signal is filtered by Haar wavelet to suppress the adverse effect of the noise in the spectrum, and the spectral discriminant information is kept to the maximum extent. Then the lasso algorithm is used to select the features which have strong correlation with the atmospheric physical parameters of stars. Finally, the selected spectral features are input into the support vector machine regression model to estimate the atmospheric physical parameters of stars. The model has better tolerance to spectral distortion and noise, and improves the accuracy of measurement. In order to verify the feasibility of the above scheme, an experimental study has been carried out on 33,963 LAMOST guided star spectropools. The accuracy of the three stellar atmospheric physical parameters is log Teff:0.006 8 dextral log g: 0.1551 dextran, [Fe/H]: 0.104 dextra.
【作者單位】： 華南師范大學(xué)數(shù)學(xué)科學(xué)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61273248,61075033) 廣東省自然科學(xué)基金項(xiàng)目(S2011010003348)資助
【分類號(hào)】：P144

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

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

2 ;The Large Sky Area Multi-Object Fiber Spectroscopic Telescope (LAMOST)[J];Research in Astronomy and Astrophysics;2012年09期

3 ;Data release of the LAMOST pilot survey[J];Research in Astronomy and Astrophysics;2012年09期

4 ;LAMOST spectral survey——An overview[J];Research in Astronomy and Astrophysics;2012年07期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐曉芬;趙秉新;;基于支持向量機(jī)的農(nóng)村勞動(dòng)力轉(zhuǎn)移預(yù)測(cè)[J];安徽農(nóng)業(yè)科學(xué);2011年11期

2 郭良棟;田江;叢曉東;;基于CPSO和SVM的混沌時(shí)間序列預(yù)測(cè)[J];遼寧科技大學(xué)學(xué)報(bào);2009年06期

3 李冬;王璐;康文崢;;基于SVM的作戰(zhàn)效能靈敏度分析[J];兵工自動(dòng)化;2011年01期

4 張軍;單永海;曹殿廣;鄭玉新;葛欣鑫;;基于最小二乘支持向量機(jī)的機(jī)槍加速壽命建模[J];兵工學(xué)報(bào);2012年01期

5 龐九鳳;李險(xiǎn)峰;謝勁松;佟冬;程旭;;基于支持向量機(jī)的微體系結(jié)構(gòu)設(shè)計(jì)空間探索(英文)[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

6 廖龍飛;王晶;;面向多輸出系統(tǒng)的啟發(fā)式支持向量機(jī)回歸[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

7 ;Application of support vector machine in the prediction of mechanical property of steel materials[J];Journal of University of Science and Technology Beijing(English Edition);2006年06期

8 王澤生;車喜龍;;無線接入點(diǎn)吞吐率預(yù)測(cè)的建模與優(yōu)化[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2010年03期

9 ;Nonlinear Time Series Prediction Using LS-SVM with Chaotic Mutation Evolutionary Programming for Parameter Optimization[J];Communications in Theoretical Physics;2006年04期

10 ;Online Dispatching Decision Support System for Smart Grid Reservoir Group[J];Electricity;2011年05期

相關(guān)會(huì)議論文 前10條

1 劉卓軍;李曉明;;一種基于時(shí)間序列異常點(diǎn)監(jiān)測(cè)的可疑交易分析方法[A];第十三屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

2 顏七笙;;基于PCA-SVM的動(dòng)態(tài)聯(lián)盟候選伙伴績(jī)效評(píng)價(jià)方法[A];第十三屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

3 趙衛(wèi);劉濟(jì)科;;隨機(jī)結(jié)構(gòu)可靠度分析的支持向量機(jī)方法[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

4 周金柱;黃進(jìn);甄立冬;;腔體濾波器制造精度對(duì)電性能影響的支持向量建模與優(yōu)化[A];2011年機(jī)械電子學(xué)學(xué)術(shù)會(huì)議論文集[C];2011年

5 ;Online Modeling Based on Support Vector Machine[A];2009中國(guó)控制與決策會(huì)議論文集（1）[C];2009年

6 ;An online outlier detection method for process control time series[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

7 劉子陽(yáng);郭崇慧;;應(yīng)用支持向量回歸方法預(yù)測(cè)胎兒體重[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

8 徐慧;李云瑋;;基于分形和支持向量機(jī)的瓦斯涌出量預(yù)測(cè)研究[A];煤礦自動(dòng)化與信息化——第19屆全國(guó)煤礦自動(dòng)化與信息化學(xué)術(shù)會(huì)議暨中國(guó)礦業(yè)大學(xué)（北京）百年校慶學(xué)術(shù)會(huì)議論文集[C];2009年

9 印家健;李夢(mèng)龍;;基于HMLP參數(shù)的二肽logP值支持向量機(jī)預(yù)測(cè)模型[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

10 于國(guó)榮;夏自強(qiáng);;支持向量機(jī)的混沌序列預(yù)測(cè)模型及在徑流中應(yīng)用[A];2007重大水利水電科技前沿院士論壇暨首屆中國(guó)水利博士論壇論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 王曉明;基于統(tǒng)計(jì)學(xué)習(xí)的模式識(shí)別幾個(gè)問題及其應(yīng)用研究[D];江南大學(xué);2010年

2 吳少智;時(shí)間序列數(shù)據(jù)挖掘在生物醫(yī)學(xué)中的應(yīng)用研究[D];電子科技大學(xué);2010年

3 祝曉春;增強(qiáng)型軟件項(xiàng)目中測(cè)試工作量度量研究[D];浙江大學(xué);2010年

4 劉春波;統(tǒng)計(jì)建模方法的理論研究及應(yīng)用[D];江南大學(xué);2011年

5 劉雪美;噴桿噴霧機(jī)風(fēng)助風(fēng)筒多目標(biāo)優(yōu)化設(shè)計(jì)[D];山東農(nóng)業(yè)大學(xué);2010年

6 王中鋒;樹型貝葉斯網(wǎng)絡(luò)分類器鑒別式訓(xùn)練研究[D];北京交通大學(xué);2011年

7 鄧鵬程;基于數(shù)據(jù)的鉛鋅熔煉過程自適應(yīng)在線監(jiān)控與故障診斷[D];中南大學(xué);2011年

8 李小敏;胎肺超聲圖像分析及其在肺成熟度估計(jì)的應(yīng)用[D];復(fù)旦大學(xué);2011年

9 杜健輝;基于旋轉(zhuǎn)電弧傳感的水下焊縫成形及自動(dòng)跟蹤的研究[D];華南理工大學(xué);2011年

10 左琳;神經(jīng)網(wǎng)絡(luò)及在網(wǎng)絡(luò)用戶行為分析中的應(yīng)用研究[D];電子科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 姜成玉;基于支持向量機(jī)的時(shí)間序列預(yù)測(cè)[D];遼寧師范大學(xué);2010年

2 徐俏;基于多目標(biāo)微粒群的轉(zhuǎn)爐合金加入量?jī)?yōu)化研究[D];大連理工大學(xué);2010年

3 姜力文;基于信息熵的轉(zhuǎn)爐煉鋼動(dòng)態(tài)過程建模研究[D];大連理工大學(xué);2010年

4 陳啟;基于支持向量回歸在短期負(fù)荷預(yù)測(cè)中的應(yīng)用[D];河北工程大學(xué);2010年

5 陳逸波;支持向量機(jī)在高爐爐溫預(yù)報(bào)中的應(yīng)用及若干改進(jìn)[D];浙江大學(xué);2010年

6 王霏;面向動(dòng)漫素材的特征提取與分類識(shí)別[D];浙江大學(xué);2011年

7 榮正勤;甜葉菊糖甙含量近紅外光譜定量預(yù)測(cè)模型的創(chuàng)建及應(yīng)用[D];浙江大學(xué);2011年

8 陳麗娟;利用對(duì)接分?jǐn)?shù)預(yù)測(cè)人類血漿白蛋白結(jié)合率[D];浙江大學(xué);2011年

9 李一磊;服裝設(shè)計(jì)風(fēng)格決策模型的研究與實(shí)現(xiàn)[D];東華大學(xué);2011年

10 韓國(guó)軍;基于特征選擇和支持向量機(jī)的紋理圖像分類[D];西安電子科技大學(xué);2009年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 蘇定強(qiáng),崔向群;主動(dòng)光學(xué)─新一代大望遠(yuǎn)鏡的關(guān)鍵技術(shù)[J];天文學(xué)進(jìn)展;1999年01期

2 Heidi Jo Newberg;Jeffrey L. Carlin;Norbert Christlieb;Hsu-Tai Lee;;The site conditions of the Guo Shou Jing Telescope[J];Research in Astronomy and Astrophysics;2012年07期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃授書;李z，

本文編號(hào)：2404764