基于核岭回归的天体光谱参数自动测量研究

发布时间：2020-06-15 18:59

【摘要】：天体光谱中蕴含着丰富的物理信息和化学信息,天体光谱数据的研究主要分为定性和定量分析。定性分析主要是确定天体的化学成分,而定量分析是要确定天体化学元素的含量、天体的温度、压力等参数值,进而间接地去确定天体的相关科学属性。我国的大天区面积多目标光纤光谱天文望远镜(简称LAMOST,又称郭守敬望远镜)是目前世界上光谱获取率最高的望远镜,它的建立和运行对于天文研究意义重大,对我国天文行业的发展具有深远影响。本文主要利用LAMOST天体光谱数据,研究核岭回归(KRR)方法在恒星大气物理参数测量方面的应用问题。主要内容如下:(1)原始光谱数据的预处理及特征提取。光谱预处理通常包括光谱去噪,流量归一化,连续谱拟合,谱线提取等,特征提取则包括物理特征检测和数学特征提取。一条一维光谱数据通常是对应一条数千维的向量,特征提取对于天体目标的科学参数测量及性质推断具有关键作用。本文采用了主成分分析法对光谱数据进行特征提取,这一方法即可以保留数据的主要特征又能降低数据的存储空间和后期计算的复杂度。(2)基于KRR方法的恒星大气参数自动测量。本文首先介绍了岭回归方法和核函数的理论发展。岭回归方法是最小二乘方法的变形,是在该方法的基础上添加了误差项,把无偏估计问题转换成有偏估计,在损失部分精度的情况下扩大了应用范围。其次研究了核函数的作用和选择,核函数和岭回归方法的结合即得到了KRR方法。基于该方法本文进行了恒星大气物理参数的自动测量,实验结果及误差分析表明该方法能够以较高精度来自动测量恒星大气参数。(3)基于数据聚类策略-KRR方法的恒星大气参数自动测量。与其它方法如支持向量回归(SVR)相比,KRR在应用中具有运行时间较长的缺点,但测量结果要略优,所以为了提高运行效率,本文采用数据聚类思想和KRR方法进行结合,进而来降低整体运行时间。本文分别对比了随机划分分组和基于K-means聚类分析思想分组,发现采用K-means算法效果更好,另外由于数据利用有效性的提高,在实现运行时间降低的同时,实验中参数测量结果的准确率也有相应的提高。
【学位授予单位】：辽宁科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：P141.5
【图文】：

天文台,示意图,天体光谱

以及我国的 LAMOST 巡天计划。随着巡天计划的运行，对星空的探索力度越来越大，天体光谱数据将会越来越多，因此，快捷高效的天体光谱研究方法就变得迫切需要了。1.2 研究背景及意义1.2.1 LAMOST 项目LAMOST 是我国自主设计、创新、研发的具有国际竞争力的首台天文科学装置，目前是世界上大口径，大视场的最大光谱获取率的光学望远镜。它的全称是“大天区面积多目标光纤光谱天文望远镜”（The Large SkyArea Muliobject FiberSpectroscopic Telescope）[3]。1978 年 3 月我国科技事业全面复苏，天文学也借此进行重建，作为国家级重大科研项目，LAMOST 在 2001 年 9 月开始修建，2008年 10 月建设完成，之后在 2010 年 4 月 17 日，LAMOST 被冠名为“郭守敬望远镜”，如图 1.1 所示。

恒星光谱,去噪

2.天体光谱数据处理2.2 天体光谱的预处理2.2.1 去噪在众多领域之中，由于噪声的存在，导致获取到数据无法直接使用。噪声会对原始信号产生一定的干扰，在数据分析过程中无法明确的分析出数据隐藏的信息。在数据处理之前需要对数据进行去噪处理，噪声无法完全去除，但可以尽量降低噪声对数据分析的影响。去噪[25]是数据处理的关键步骤。在去噪领域中，小波去噪理论发展迅速，实现简单操作快捷，小波去噪方法受到许多学者的重视。小波去噪表现出非常好的特性，通过设定合适的阈值，大于阈值是信号产生的应该保留，小于阈值的是噪声产生的应置为零，从而达到去噪的目的。采用阈值函数对各层系数进行量化，最后根据量化的各层系数进行重构信号，这样就是起到了去噪的目的。如下图 2.2 采用小波去噪方法对恒星光谱进行去噪，采用的是sym7 去噪函数，去噪等级为 5 级。

【参考文献】