基于主成分分析法搭建A型星有效温度的神经网络模型

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》

李正泽 赵刚

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。

 点击量 7030  下载量 1387  评论