基于LAMOST数据与机器学习方法测定大样本恒星年龄

为了了解银河系以及追溯其形成历史,需要对分布在银河系中的大量恒星样本进行准确的年龄预测。通过LAMOST DR5和Kepler的星震学数据交叉匹配获得的训练样本,给出了一个具有163105颗恒星年龄参数的红团簇星星表。使用核主成分分析与随机森林相结合的方法对多个恒星参数与恒星年龄之间的关系进行训练,将样本分为训练集与测试集进行模型的训练与对照验证,测试集显示所训练的模型对恒星年龄预测的绝对误差平均值为0.46 Gyr,相对误差平均值为13%。同时,还探究了核主成分分析所使用的主成分个数与模型预测性能的关系,结果发现,当主成分达到4个时,模型的预测性能开始趋于稳定。

恒星的年龄是怎样确定的

恒星年龄,是恒星物理学中一个十分重要的问题,这个问题是否能够得到很好的解决,涉及到天文学中很多其他的重要问题。小到为了确定外星行星的年龄,大到宇宙的年龄,都与恒星的年龄直接有关。本文将简要地介绍目前在天文学中究竟有哪些方法可以用来推断和估计恒星的年龄,以及这些方法都还存在着哪些问题影响恒星年龄估值的准确性。

毗邻恒星的年龄

卡尔·塞干和史蒂文·索特在反对“ZETA网罟双星事件”的可能性时认为,如果在希尔星图和菲什星图中没有联线,两张星图的相似之处很少.这个观点可以用希尔星图中星位的X和Y坐标以及菲什星图中的星位投影关系来反证.比较方法如下: