用概率方法估算活动周期 I. 带趋势的贝叶斯广义 Lomb-Scargle 周期图
太阳与恒星天体物理
2018-07-25 v2 天体物理仪器与方法
应用统计
机器学习
摘要
周期估计是天文时间序列分析的核心课题之一，其中数据常常是非均匀采样的。尤其具有挑战性的是恒星磁周期的研究，因为所寻找的周期长度与数据集本身的长度同量级。数据集常包含趋势，其来源要么是真实的长周期，要么是仪器效应，但这些效应无法可靠分离，而如果处理不当可能导致错误的周期测定。在本研究中，我们旨在开发一种能妥善处理趋势的方法，并通过大量测试表明，与不将趋势直接纳入模型的方法相比，这是最优流程。噪声形式（恒定或异方差）对结果的影响也进行了研究。我们引入了带趋势的贝叶斯广义 Lomb-Scargle 周期图（BGLST），这是一种使用系数高斯先验和频率参数均匀先验的概率线性回归模型。我们利用合成数据表明，当没有关于数据真实模型是否以及多大程度上包含线性趋势的先验信息时，所引入的 BGLST 方法优于那些在拟合周期模型前对数据去趋势或保留趋势的方法。是否在模型中使用非常数方差噪声取决于数据采样的密度以及过程的真实噪声类型。
引用
@article{arxiv.1712.08235,
title = {Estimating activity cycles with probabilistic methods I. Bayesian Generalised Lomb-Scargle Periodogram with Trend},
author = {N. Olspert and J. Pelt and M. J. Käpylä and J. Lehtinen},
journal= {arXiv preprint arXiv:1712.08235},
year = {2018}
}