一种可泛化的流星雨误报率估计方法

背景：流星雨或母体关联的判定本质上是一个统计问题。传统方法（主要是相似性判别函数）存在局限性，特别是在处理日益增加的流星体轨道数据量和复杂性时。目的：我们旨在利用核密度估计，引入一种新的、统计上更稳健且可泛化的方法，用于估计流星雨识别中的误报检测。方法：利用欧洲火球网络观测到的 824 颗火球的数据集，我们在 KDE 中应用多元高斯核并进行 z-score 数据归一化。我们的方法分析了流星体轨道和地心撞击特征的参数空间，重点关注四种不同的相似性判别函数：DSH、D'、DH 和 DN。结果：KDE 方法对所有判据均稳定地收敛至 EFN 数据集中 18-25% 的已确立流星雨关联火球真实比例。这表明该方法为流星雨关联成分提供了统计上更稳健的估计。结论：我们的发现突出了 KDE 结合适当数据归一化在提高流星雨分析准确性和可靠性方面的潜力。该方法解决了传统相似性判别函数带来的现有挑战，并提供了一种可适应不同数据集和参数的通用解决方案。