基于机器学习的月球表面反照率异常检测方法
地球与行星天体物理
2024-07-12 v2 机器学习
摘要
本研究引入数据驱动方法，利用机器学习(ML)技术探索和预测月球表面的反照率异常。研究利用多源行星数据，包括高空间分辨率的反照率图和元素图(LPFe、LPK、LPTh、LPTi)，这些元素图源自激光和伽马射线测量。主要目标是识别化学元素与反照率之间的关系，从而拓展对行星表面的理解，为数据不完整区域提供预测能力。为弥补反照率图与元素图之间分辨率差异，我们采用高斯模糊技术，包括一种创新的自适应高斯模糊。我们的 метод论最终部署了优化后的极端梯度提升回归模型，用于基于元素组成预测完整反照率。此外，我们呈现了一个交互式分析工具，用于可视化预测误差，描绘其空间和化学特征。研究结果不仅为更全面的月球表面理解铺路，也为其他天体的类似研究提供了框架。
引用
@article{arxiv.2407.05832,
title = {A Machine Learning Approach to Detecting Albedo Anomalies on the Lunar Surface},
author = {Sofia Strukova and Sergei Gleyzer and Patrick Peplowski and Jason P. Terry},
journal= {arXiv preprint arXiv:2407.05832},
year = {2024}
}