一种识别LAMOST光谱中特殊数据恒星演化方法技术

本发明专利技术公开了一种识别LAMOST光谱中特殊数据恒星演化方法，包括以下步骤：S1.交叉天测数据，证认恒星中A型恒星光谱数据；S2.完善恒星光谱参数；S3.迁移学习认知A型恒星特殊天体AGB星数据模型；S4.标记恒星光谱图像中A型恒星已知样本数据。本发明专利技术中，研究A型恒星参数测量中，提出对应不同种深度学习疑难问题的解决方法,进一步论证为光谱数据分析驱动银河系统研究，提供较完备的参数空间，挖掘出A型的参数测量光谱特征、识别LAMOST数据集中Unknown光谱数据A型恒星的光谱，为天文学研究提供新的有效途径。有效途径。有效途径。

【技术实现步骤摘要】
一种识别LAMOST光谱中特殊数据恒星演化方法


[0001]本专利技术涉及恒星演化
，尤其涉及一种识别LAMOST光谱中特殊数据恒星演化方法。

技术介绍

[0002]恒星演化是恒星在生命过程中所经历急遽变化的序列。恒星依据质量，一生的范围从质量最大的恒星只有几百万年，到质量最小的恒星比宇宙年龄还要长的数兆亿年。所有的恒星都从通常被称为星云或分子云的气体和尘埃坍缩中诞生。在几百万年的过程中，原恒星达到平衡的状态，安顿下来成为所谓的主序星。恒星大部分的生命期都在以核聚变产生能量的状态。最初，主序星在核心将氢融合成氦来产生能量，然后，氦原子核在核心中占了优势。像太阳这样的恒星会从核心开始以一层一层的球壳将氢融合成氦。这个过程会使恒星的大小逐渐增加，通过次巨星的阶段，直到达到红巨星的状态。质量不少于太阳一半的恒星也可以经由将核心的氢融合成氦来产生能量，质量更重的恒星可以依序以同心圆产生质量更重的元素。像太阳这样的恒星用尽了核心的燃料之后，其核心会塌缩成为致密的白矮星，并且外层会被驱离成为行星状星云。质量大约是太阳的10倍或更重的恒星，在它缺乏活力的铁核塌缩成为密度非常高的中子星或黑洞时会爆炸成为超新星。虽然宇宙的年龄还不足以让质量最低的红矮星演化到它们生命的尾端，恒星模型认为它们在耗尽核心的氢燃料前会逐渐变亮和变热，然后成为低质量的白矮星。恒星的变化非常缓慢，甚至数个世纪之久也检测不出任何变化，所以单独观察一颗恒星无法研究恒星如何演化。因此，天文物理学家藉其他替代方法，例如观察许多在不同生命阶段的恒星，并且使用电脑模拟来推断恒星结构。而目前恒星的研究中数据的收集是复杂的，构建出大规模、高质量的带注释的数据集非常困难，难以为光谱数据分析提供较为完备的参数空间，为挖掘出A型的参数测量光谱特征、识别LAMOST数据集中Unknown光谱数据A型恒星的光谱，为天文学研究提供新的有效途径。

技术实现思路

[0003]本专利技术的目的在于：为了解决上述问题，而提出的一种识别LAMOST光谱中特殊数据恒星演化方法。
[0004]为了实现上述目的，本专利技术采用了如下技术方案：
[0005]一种识别LAMOST光谱中特殊数据恒星演化方法，包括以下步骤：
[0006]S1.交叉天测数据，证认恒星中A型恒星光谱数据；
[0007]S2.完善恒星光谱参数；
[0008]S3.迁移学习认知A型恒星特殊天体AGB星数据模型；
[0009]S4.标记恒星光谱图像中A型恒星已知样本数据。
[0010]优选地，所述步骤S1中证认恒星中A型恒星光谱数据包括以下步骤：
[0011]S11.依据银河系内部和附近的十亿颗恒星建立更为精确的银河系三维星图,得出
银河系的构成、形成过程和演化；
[0012]S12.根据GAIA DR2卫星发布的十亿颗恒星线谱中，按照赤经、赤纬匹配LAMOST DR6发布数据交叉，生成558136条比对数据；
[0013]S13.去除558136条比对数据中冗余的数据，得出A恒星精准的光谱信息。
[0014]优选地，所述证任过程中步骤S13去除558136条对比数据中冗余数据的具体操作为：16条z＝
‑
9999、495条zerr＝
‑
9999、307192条mag1＝99、173条snrg＝
‑
9999、450条snri＝
‑
9999、138条snrz＝
‑
9999、在剩余LAMOST中249464条选择196277条gaia_id＝NULL数据中，利用去噪算法，再次去除4217条有效温度小于7000K，9913条有效温度大于8500K的数据，利用深度迁移算法研究恒星A型得到38888条对比数据，去除mag2＝99的2748条，最终得到数据36140条A型恒星精准的光谱信息。
[0015]优选地，所述步骤S2中完善恒星光谱参数包括以下步骤：
[0016]S21.考虑温度、重力加速度和金属丰度的影响因素，得出更为周全的恒星大气参数和视向速度的物理量；
[0017]S22.分析7500K～10000K温度范围的光谱数据，得出A型恒星包含了多种的恒星类型，超过30％的A型恒星表现出各自特征的化学性质，且具备金属特性。
[0018]优选地，所述步骤S3中的认知过程包括：
[0019]S31.通过深度学习算法对天体光谱数据进行预处理，识别区分光谱上的post
‑
AGB恒星和A型超巨星；
[0020]S32.采用深度学习的栈式自编码SAE对新输入的光谱数据进行特征提取，线性组合训练得出的权值和光谱样本后得到特征光谱数据，并从时间效率和准确度上确定最优的特征提取算法确定post
‑
AGB特征。
[0021]优选地，所述步骤S4中标记恒星光谱图像中A型恒星已知样本数据，具体包括以下步骤：
[0022]S41.通过无监督或半监督的特征学习算法和分层特征自动提取数据；
[0023]S42.标注提取数据中的样本数据，并分析A型恒星的早期和晚期演化的物理过程和活动现象。
[0024]优选地，所述样本数据包括测光数据、光谱数据和天文图像数据。
[0025]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0026]1、本申请中，研究A型恒星参数测量中，提出对应不同种深度学习疑难问题的解决方法,进一步论证为光谱数据分析驱动银河系统研究，提供较完备的参数空间，挖掘出A型的参数测量光谱特征、识别LAMOST数据集中Unknown光谱数据A型恒星的光谱，为天文学研究提供新的有效途径。
[0027]2、本申请中，通过交叉天测数据证认出A型行星光谱，在完善A型行星光谱参数，标记分析，得出A型恒星的物理性质，为进一步研究天体演化、结构形成和密度分布提供了夯实的数据分析和有价值的数据样本。
附图说明
[0028]图1示出了根据本专利技术实施例提供的一种识别LAMOST光谱中特殊数据恒星演化方法的流程图。
具体实施方式
[0029]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0030]请参阅图1，本专利技术提供一种技术方案：
[0031]一种识别LAMOST光谱中特殊数据恒星演化方法，包括以下步骤：
[0032]S1.交叉天测数据，证认恒星中A型恒星光谱数据；
[0033]依托中国虚拟天文台的互联网+天文大数据信息平台发布的LAMOST、GAIA和SDSS巡天数据集的测光数据星表，经星表数据交叉获取出现机率极低的稀有天体，结合A型恒星天体空间的距离位置和特征值间的相关性分析后，筛选post
‑<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种识别LAMOST光谱中特殊数据恒星演化方法，其特征在于，包括以下步骤：S1.交叉天测数据，证认恒星中A型恒星光谱数据；S2.完善恒星光谱参数；S3.迁移学习认知A型恒星特殊天体AGB星数据模型；S4.标记恒星光谱图像中A型恒星已知样本数据。2.根据权利要求1所述的一种识别LAMOST光谱中特殊数据恒星演化方法，其特征在于，所述步骤S1中证认恒星中A型恒星光谱数据，具体包括以下步骤：S11.依据银河系内部和附近的十亿颗恒星建立更为精确的银河系三维星图,得出银河系的构成、形成过程和演化；S12.根据GAIA DR2卫星发布的十亿颗恒星线谱中，按照赤经、赤纬匹配LAMOST DR6发布数据交叉，生成558136条比对数据；S13.去除558136条比对数据中冗余的数据，得出A恒星精准的光谱信息。3.根据权利要求2所述的一种识别LAMOST光谱中特殊数据恒星演化方法，其特征在于，所述证任过程中步骤S13去除558136条对比数据中冗余数据的具体操作为：16条z＝
‑
9999、495条zerr＝
‑
9999、307192条mag1＝99、173条snrg＝
‑
9999、450条snri＝
‑
9999、138条snrz＝
‑
9999、在剩余LAMOST中249464条选择196277条gaia_id＝NULL数据中，利用去噪算法，再次去除4217条有效温度小于7000K，9913条有效温度大于8500K的数据，利用深度迁移算法研究恒星A型得到388...

【专利技术属性】
技术研发人员：陈淑鑫，杜冰，郭炎鑫，何颖，袁铁彪，韩其臻，
申请(专利权)人：天津仁爱学院，
类型：发明
国别省市：