利用 SDSS 颜色对矮新星的表征
太阳与恒星天体物理
2015-06-03 v2
摘要
我们开发了一种利用人工神经网络从斯隆数字巡天（SDSS）静止颜色中估计矮新星轨道周期的方法。对于周期间隙以下且具有足够测光精度的典型天体，我们能够以 22% 的 1 sigma 误差精度估计其轨道周期。对于具有较长轨道周期的系统，估计误差较大。我们还开发了一种基于神经网络的分类方法。该方法已被证明在将天体分为三类（WZ Sge 型、SU UMa 型和 SS Cyg/Z Cam 型）时非常有效，并且适用于极限暗至 g=21 的极暗天体。利用该方法，我们研究了来自现代暂现源巡天（Catalina Real-Time Survey）的矮新星的轨道周期分布。利用 Uemura 等（2010, arXiv:1003.0945）开发的贝叶斯分析方法，我们发现目前的样本在趋向最短周期时倾向于给出更平坦的分布以及更短的最短周期估计值，这可能是由神经网络分析的不确定性和测光误差造成的。我们还提供了具有静止 SDSS 测光数据的已知矮新星的估计轨道周期、估计分类和补充信息。
引用
@article{arxiv.1111.4286,
title = {Characterization of Dwarf Novae Using SDSS Colors},
author = {Taichi Kato and Hiroyuki Maehara and Makoto Uemura},
journal= {arXiv preprint arXiv:1111.4286},
year = {2015}
}
备注
70 pages, 7 figures, Accepted for publication in PASJ, minor corrections