基于贝叶斯推断的海量食双星系统参数估计方法研究及应用
文献类型：学位论文
| 作者 | 王锦良 |
| 答辩日期 | 2025 |
| 文献子类 | 博士 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 北京 |
| 导师 | 季凯帆 |
| 关键词 | 贝叶斯推断 天文数据分析 食双星 分离双星 相接双星 |
| 学位专业 | 天文技术与方法 |
| 其他题名 | Research and Application of Parameter Estimation Methods for Massive Eclipsing Binary Systems Based on Bayesian Inference |
| 英文摘要 | 食双星系统由两颗恒星组成，它们在轨道运动中相互遮掩，导致从地球观测到的光度周期性下降，这现象称为“食”。食双星系统的研究在理解恒星结构和演化以及验证天体物理模型方面具有重要价值。近年来，随着大规模时域巡天项目（如CSS、TESS、ZTF、OGLE）的发展，数百万条食双星光变曲线已公开供进一步分析。然而，现有的分析方法，如结合基于物理模型的PHOEBE程序和MCMC方法，虽然精度高，但在大规模数据处理中效率较低，计算成本高。为此，本论文发展了两种基于贝叶斯推断的高效批量参数求解方法：结合神经网络的随机变分推断（NNSVI）和哈密尔顿蒙特卡洛（NNHMC）。这些方法为大规模天文数据的处理提供了新的可能性。 本论文主要包含以下四个方面的研究： 1. 比较了三种常见的贝叶斯推断方法——马尔可夫链蒙特卡洛（MCMC）、变分推断（VI）和嵌套采样（Nested Sampling）——在食双星系统参数估计中的表现。MCMC方法在精度和计算效率之间实现了良好的平衡，适合处理中小规模的光变曲线数据集（如一万条以内），因为它能够在保持较高精度的同时，避免过多的计算开销。变分推断则因其极高的计算速度，非常适合大规模数据集的处理，尤其在需要处理数万甚至数十万条光变曲线的巡天项目中，表现出极高的效率。相较而言，嵌套采样虽然在估计模型证据方面具备显著优势，但其计算时间过于漫长，甚至对于较小规模的数据集也可能显得不够实用。 2. 发展了一种基于神经网络（NN）模型结合随机变分推断（SVI）的光变曲线参数高效求解方法（NNSVI）。NN模型用于建立合成光变曲线与对应参数之间的映射，SVI算法则用于推断参数及其后验分布。与传统结合MCMC的方法相比，NNSVI在处理多个系统时速度显著提升，适合大规模光变曲线的批量分析。我们利用NNSVI方法高效地推导出了来自OGLE巡天的34,907个分离双星系统的参数，并验证了其中两个双线分离双星系统的参数结果，发现与前人的研究结果一致。 3. 发展了一种基于神经网络（NN）模型结合哈密尔顿蒙特卡洛（HMC）的光变曲线参数快速求解方法（NNHMC）。NN模型用于建立合成光变曲线与对应参数之间的映射，HMC算法则负责推断参数及其后验分布。通过将其应用于CSS的相接双星样本，我们共求解出5,172个晚型相接双星系统的参数，这些系统的轨道倾角大于70∘，主星与伴星的温度差小于400 K。与前人对30个相接双星系统的研究结果相比，两者的拟合优度（R2）基本一致。NNHMC方法为相接双星系统的大规模参数推导提供了一个高效的工具。 4. 分析了从CSS数据中发现的40个新低质量比全食相接双星系统。使用NNHMC方法求解了这些系统的相对参数，并通过HMC算法估计了参数的不确定性。结合Gaia DR3的距离和温度数据，计算出这些系统的绝对参数。将该方法应用于前人研究中识别的其他39个低质量比相接双星系统，结果显示参数估计与前人的研究基本一致。最后，我们计算了这些系统的自旋角动量与轨道角动量的比值，表明它们处于相对稳定的演化阶段。 本论文的研究内容与相应的结果，不仅为食双星的研究提供了高效的工具，还推动了天文学领域的大规模观测数据分析和双星物理特性的深入理解。首先，发展了基于神经网络和贝叶斯推断的NNSVI和NNHMC方法，大幅提升了光变曲线参数的求解效率，为大规模巡天数据的快速处理提供了强大工具。其次，提供了34,907个分离双星系统和5,172个相接双星系统的参数星表，为双星演化和统计分析提供了丰富的数据基础。最后，深入研究了40个低质量比全食相接双星系统，拓展了对其演化和稳定性的认识，增强了我们对双星系统多样性和演化机制的理解。 |
| 学科主题 | 天文学 |
| 语种 | 中文 |
| 页码 | 0 |
| 源URL | [http://ir.ynao.ac.cn/handle/114a53/28976]  |
| 专题 | 天文技术实验室 |
| 作者单位 | 中国科学院云南天文台 |
| 推荐引用方式 GB/T 7714 | 王锦良. 基于贝叶斯推断的海量食双星系统参数估计方法研究及应用[D]. 北京. 中国科学院大学. 2025. |
入库方式： OAI收割
来源：云南天文台
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。