基于BP神經(jīng)網(wǎng)絡(luò)(自編碼)的恒星大氣物理參數(shù)估計(jì).pdf

《基于BP神經(jīng)網(wǎng)絡(luò)(自編碼)的恒星大氣物理參數(shù)估計(jì).pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、基于BP神經(jīng)網(wǎng)絡(luò)(白編碼)的恒星大氣物理參數(shù)估計(jì)韓帥，等基于BP神經(jīng)網(wǎng)絡(luò)(自編碼)的恒星大氣物理參數(shù)估計(jì)韓帥，李悅(遼寧石油化工大學(xué)信息與控制工程學(xué)院遼寧撫順，113001)摘要：恒星大氣物理參數(shù)估計(jì)(有效溫度Teff、表面重力加速度logg、化學(xué)豐度[Fe／H])是探索恒星本質(zhì)的首要任務(wù)。斯隆數(shù)字巡天(SDSS)和郭守敬望遠(yuǎn)鏡(LAM0sT)等大規(guī)模巡天望遠(yuǎn)鏡正以前所未有的速度獲取海量的恒星光譜數(shù)據(jù)，這為星系研究帶來了新的機(jī)遇和挑戰(zhàn)。傳統(tǒng)的方法已不能適應(yīng)如此龐大的數(shù)據(jù)量，直接從光譜中估計(jì)估計(jì)大氣參數(shù)變得非常必要。提出了一種新的從恒星光譜中自動(dòng)估計(jì)大氣

2、參數(shù)的回歸模型BP神經(jīng)網(wǎng)絡(luò)(自編碼)，在20000條斯隆數(shù)字巡天(sDss)實(shí)測(cè)光譜上做了實(shí)驗(yàn)研究。實(shí)驗(yàn)結(jié)果用平均絕對(duì)誤差來描述，三個(gè)恒星大氣物理參數(shù)的精度分別為IogTeff：0．0079，logg：0．2408，[Fe／H]：0．1773。關(guān)鍵詞：自編碼；恒星光譜；BP神經(jīng)網(wǎng)絡(luò)；參數(shù)估計(jì)；特征提取中圖分類號(hào)：TP212文獻(xiàn)標(biāo)識(shí)碼：BDOI編碼：10．14016／j．cnki．1001—9227．2016．09．230Abstract：Stellaratmospherephysicalparameterestimation(effectivetemp

3、emture，sur{’acegravity，chemicalabundances)isprimarytasktoexploretheessenceofthestars．SloanDigitalSkySuⅣey(SDSS)andGuoshoujingTelescope(LAMOST)andotherla唱e—scaleskysurveytelescopeareobtainingstellarspectraldataatanunprecedentedspeed，whichbmughtnewopponunitiesandchallengesfbrthest

4、udyofgalaxies．Traditionalmethodscannotadaptsuchala曙escaledata．Ifisnecessarythatestimateatmosphericp鋤metersdirectlyfromthespectlllm．WepresentedanewschemeBPNework(AutoEncoder)forestimatingsteUaratmosphe打cphysicalp鋤metersf而mstellarspectmanddidexperimentson20，000spectraf南mtheSloanDi

5、西talSkySun，ey(SDSS)．Theexperimentalresultsbedescribedbytheavemgeabs01uteermr，measurementaccumcyofstellaratmospheresphysicalparameterswerelogTeff：o．0079，logg：o．2408，[Fe／H]：o．1773．Keywords：autoencoder；stellarspectra；BPNetwork；parametersestimation；featureextract0引言大規(guī)模深度巡天任務(wù)，例如美國的斯隆

6、數(shù)字化巡天(sDss)。1。j，中國的郭守敬望遠(yuǎn)鏡(IAMOST)”一+等，正在高速收集大量的恒星光譜數(shù)據(jù)。如何準(zhǔn)確、高效對(duì)海量天體光譜參數(shù)(e．g_，恒星表面有效溫度Teff，重力加速度logg，化學(xué)豐度[Fe／H])自動(dòng)估計(jì)成為一個(gè)重要課題。本論文研究了關(guān)于恒星光譜的代表性問題一一叵星大氣物理參數(shù)估計(jì)。在模式識(shí)別中被稱為特征提取的過程是本論文進(jìn)行恒星大氣物理參數(shù)估計(jì)的關(guān)鍵環(huán)節(jié)。在物理參數(shù)估計(jì)中，一條光譜可以由所觀測(cè)到的光譜¨1、糾正后光譜、一些典型線的描述、統(tǒng)計(jì)描述所代表。特征提取過程決定了數(shù)據(jù)分析系統(tǒng)的應(yīng)用范圍、準(zhǔn)確度、有效性、對(duì)噪聲和測(cè)定錯(cuò)誤而

7、導(dǎo)致的數(shù)據(jù)特征扭曲的魯棒性。另外，特征維數(shù)過高將導(dǎo)致計(jì)算的復(fù)雜度增加和空間復(fù)雜度升高，高維特征集數(shù)據(jù)往往存在高相關(guān)性和高冗余，會(huì)影響到參數(shù)估計(jì)、模型穩(wěn)定性，擴(kuò)大模型的誤差。所以，有必要在建立回歸模型估計(jì)恒星大氣物理參數(shù)之前，對(duì)原始高維光譜數(shù)據(jù)進(jìn)行特征提取，降低數(shù)據(jù)相關(guān)性和冗余度，建立穩(wěn)定、預(yù)測(cè)精度高的回歸模型。本文提出使用自編碼算法(一種神經(jīng)網(wǎng)絡(luò)降維方法曲“。)作為恒星光譜的特征提取方案。這個(gè)特征提取方案的基本思想是設(shè)計(jì)一個(gè)三層的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，輸入層與中間層的網(wǎng)絡(luò)稱為編碼層，中間層與輸出層的網(wǎng)絡(luò)稱為解碼層。編碼層編碼輸入的光譜數(shù)據(jù)，解碼層解碼輸入的

8、編碼數(shù)據(jù)，通過使用反向傳播算法調(diào)整編碼層和解碼層的權(quán)重達(dá)到輸入數(shù)據(jù)重構(gòu)誤差最小，即解碼數(shù)據(jù)復(fù)現(xiàn)