使用隐马尔可夫模型在测光数据中检测恒星耀斑
太阳与恒星天体物理
2025-01-23 v1 天体物理仪器与方法
摘要
我们提出了一种隐马尔可夫模型（HMM），用于在恒星光变曲线数据中发现恒星耀斑。HMM为建模非平稳时间序列数据提供了一个框架；它们允许系统在不同时间处于不同状态，并考虑描述状态间切换动态的概率。在恒星耀斑发现的背景下，我们利用HMM框架，允许恒星的光变曲线在任意给定时间步处于三种状态之一：静默、爆发或衰减。这种三状态HMM公式旨在实现恒星耀斑、其持续时间及相关不确定性的直接识别。这对于估计耀斑能量至关重要，并且对恒星耀斑能量分布的研究很有用。我们将HMM与一个解释准周期恒星振荡的celerite模型相结合。通过注入恢复实验，我们展示并评估了我们的方法在恒星时间序列中检测和表征耀斑的能力。我们还表明，与传统的sigma clipping方法相比，所提出的HMM更容易标记出更暗且能量更低的耀斑。最后，我们直观地表明，同时进行去趋势和耀斑检测可以减轻多阶段建模方法中产生的有偏估计。因此，该方法为计算恒星耀斑能量开辟了一条新途径。最后，我们给出了一个TESS观测恒星的示例应用，展示了在使用真实数据时HMM与sigma clipping的比较结果。
引用
@article{arxiv.2404.13145,
title = {Detecting stellar flares in photometric data using hidden Markov models},
author = {J. Arturo Esquivel and Yunyi Shen and Vianey Leos-Barajas and Gwendolyn Eadie and Joshua Speagle and Radu V Craiu and Amber Medina and James Davenport},
journal= {arXiv preprint arXiv:2404.13145},
year = {2025}
}
备注
To be submitted to AAS, comments welcomed