利用加权随机森林基于模拟通量估计 CSST 巡天的测光红移
宇宙学与河外天体物理
2023-12-27 v2 星系天体物理
天体物理仪器与方法
摘要
准确估计测光红移（photo-）对于利用当前及未来大型巡天进行星系演化和宇宙学研究至关重要。在本研究中，我们采用随机森林（RF）这一机器学习算法来估计 photo-，并调查影响结果的系统不确定性。利用星系通量和颜色作为输入特征，我们使用由哈勃空间望远镜高级巡天相机（HST-ACS）和 COSMOS 星表生成的模拟数据训练集构建了输入特征与红移之间的映射，该模拟数据包含了计划中的中国空间站望远镜（CSST）的预期仪器效应。为了提高预测的准确性和置信度，我们引入了逆方差加权并利用输入特征误差对星表进行扰动。我们的结果表明，加权 RF 可实现的 photo-精度和的异常值比例，显著优于广泛使用的采用模板拟合方法的 Yale 简易精确测光红移（EAZY）软件获得的和的值。此外，我们计算了不同红移范围内每个输入特征的重要性，发现最重要的输入特征反映了星系光谱中断裂特征的大致位置，证明了该算法从数据中提取物理信息的能力。另外，我们基于红移概率分布函数的形状为每个预测值建立了置信指数和误差棒，表明筛选高置信度源可以进一步降低异常值比例。
引用
@article{arxiv.2312.12949,
title = {Estimating Photometric Redshift from Mock Flux for CSST Survey by using Weighted Random Forest},
author = {Junhao Lu and Zhijian Luo and Zhu Chen and Liping Fu and Wei Du and Yan Gong and Yicheng Li and Xian-Min Meng and Zhirui Tang and Shaohua Zhang and Chenggang Shu and Xingchen Zhou and Zuhui Fan},
journal= {arXiv preprint arXiv:2312.12949},
year = {2023}
}