A型恒星光谱线指数岭回归有效温度的预测分析

A型恒星光谱线指数岭回归有效温度的预测分析

论文摘要

天文光谱线指数数据能够较好地保留着恒星的物理特征信息,为此借助线指数特征数据构建多参数模型,有利于更好地回归分析数据的共变关系及谱线的内在规律。世界上光谱获取率最高的施密特天文望远镜LAMOST发布的观测光谱都已经过标记,利用天文可视化工具分析这些标记的恒星光谱线指数会产生预测因子自相关,多元线性回归时因变量存在共线性,导致方差较大、得到最小二乘回归系数不稳定,虽不影响使用回归的有效性,但较难从回归方程中得到独立预测因子的评估系数。利用LAMOST巡天光谱数据中A型恒星Lick线指数为数据源,选取有效温度Teff为7 000~8 500 K,取信噪比大于50的光谱特征值实现回归分析恒星参数Teff值,经箱线图呈现DR5星表中, A型光谱86 097条具备Teff值大样本光谱数据的整体分布,统计分析26种线指数的特征值后,选取分布相似且带宽为12?的kp12, halpha12和hgamma12字段,减少解释线指数变量的数目,优化冗余变量方差膨胀因子(VIF)系数。实验选取两两变量间观测数据集,局部拟合回归散点、同样的数据源使用散点图的总体轮廓生成高密度散点图,利用色差透明性突出显示数据密集区域。结果表明多元线性回归和岭回归算法都能从低分辨率光谱中确定A型恒星的有效温度,但经过共线性数据分析有偏估计实验,使用岭回归分析寻找最佳模型,能更准确地确定恒星有效温度,进而得到预测A型恒星有效温度及谱线回归特性。

论文目录

  • 引 言
  • 1 天文光谱线指数
  •   1.1 LAMOST线指数
  •   1.2 构造数据模型
  • 2 线性模型分析
  •   2.1 谱线多重共线性
  •   2.2 线性拟合观测数据
  • 3 预测大气参数
  •   3.1 线指数共线性
  •   3.2 岭回归分析
  • 4 展 望
  • 文章来源

    类型: 期刊论文

    作者: 薛仁政,陈淑鑫,黄宏本

    关键词: 恒星光谱,岭回归,线性模型,线指数

    来源: 光谱学与光谱分析 2019年08期

    年度: 2019

    分类: 基础科学

    专业: 天文学

    单位: 齐齐哈尔大学计算机与控制工程学院,梧州学院大数据与软件工程学院

    基金: 国家自然科学基金项目(U1631239),国家自然科学基金青年科学基金项目(11803013),黑龙江省教育厅基本业务专项项目(135109248),齐齐哈尔市科技计划项目(GYGG-201720)

    分类号: P152

    页码: 2624-2629

    总页数: 6

    文件大小: 1614K

    下载量: 116

    相关论文文献

    • [1].基于熵学习机的恒星光谱分类(英文)[J]. 光谱学与光谱分析 2018(02)
    • [2].基于卷积神经网络的恒星光谱自动分类方法[J]. 光谱学与光谱分析 2019(04)
    • [3].一种基于卷积神经网络的恒星光谱快速分类法[J]. 光谱学与光谱分析 2019(10)
    • [4].低信噪比巡天数据中特殊恒星光谱的搜寻方法[J]. 光谱学与光谱分析 2019(02)
    • [5].一种恒星光谱分类规则后处理方法[J]. 光谱学与光谱分析 2013(01)
    • [6].基于非参数回归与最近邻方法的恒星光谱自动分类[J]. 光谱学与光谱分析 2009(12)
    • [7].利用融合数据分布特征的模糊双支持向量机对恒星光谱分类[J]. 光谱学与光谱分析 2019(04)
    • [8].R语言应用于LAMOST光谱分析初探[J]. 天文研究与技术 2017(03)
    • [9].基于多类支持向量机的恒星光谱分类方法[J]. 光谱学与光谱分析 2018(07)
    • [10].利用带无标签数据的双支持向量机对恒星光谱分类[J]. 光谱学与光谱分析 2019(03)
    • [11].基于短时傅立叶变换特征提取和卷积神经网络的LAMOST恒星光谱分类研究[J]. 云南民族大学学报(自然科学版) 2020(05)
    • [12].基于深度信念网络的LAMOST恒星光谱分类研究[J]. 大理大学学报 2019(06)
    • [13].一种基于Map/Reduce分布式计算的恒星光谱分类方法[J]. 光谱学与光谱分析 2016(08)
    • [14].自动识别发射线恒星光谱的新方法[J]. 光谱学与光谱分析 2012(06)
    • [15].早M型矮恒星光谱聚类方法与分析[J]. 光谱学与光谱分析 2017(12)
    • [16].低分辨率恒星光谱的[α/Fe]估计方法研究[J]. 天文学报 2018(04)
    • [17].基于样条函数的恒星光谱自动归一化方法[J]. 天文研究与技术 2019(03)
    • [18].基于XGBOOST的恒星光谱分类特征数值化[J]. 光谱学与光谱分析 2019(10)
    • [19].基于谱线特征匹配的恒星光谱自动识别方法[J]. 光谱学与光谱分析 2008(06)
    • [20].流形判别分析和支持向量机的恒星光谱数据自动分类方法[J]. 光谱学与光谱分析 2014(01)
    • [21].多任务Lasso回归法在恒星光谱物理参量估计中的应用[J]. 天文学报 2015(01)
    • [22].数字[J]. 发明与创新(大科技) 2014(03)
    • [23].基于Haar小波特征的恒星光谱物理参量自动估计[J]. 光谱学与光谱分析 2012(09)
    • [24].基于深度学习的恒星光谱分类[J]. 北京师范大学学报(自然科学版) 2020(01)
    • [25].一种基于约束概念格的恒星光谱数据自动分类方法[J]. 光谱学与光谱分析 2010(02)
    • [26].天文学里程碑上的女性光辉[J]. 世界科学 2017(03)
    • [27].基于t-SNE的恒星光谱降维与分类研究[J]. 光谱学与光谱分析 2020(09)
    • [28].基于分形编码的M型恒星光谱次型自动识别[J]. 光谱学与光谱分析 2013(08)
    • [29].一种基于集合运算的分类规则处理方法[J]. 太原科技大学学报 2011(02)
    • [30].数字[J]. 中学生天地(B版) 2016(02)

    标签:;  ;  ;  ;  

    A型恒星光谱线指数岭回归有效温度的预测分析
    下载Doc文档

    猜你喜欢