预测星体金属丰度：面向太阳双星的回归模型比较分析
太阳与恒星天体物理
2024-10-10 v1 星系天体物理
天体物理仪器与方法
摘要
本研究聚焦于确定太阳双星 ([Fe/H]) 的预测金属丰度。我们采用多种回归建模技术，包括随机森林、线性回归、决策树、支持向量机和梯度提升。数据集来源于 GALAH 调查中高精度 abundance catalog 的太阳双星星体参数与化学元素丰度。为克服缺失值，我们进行了密集的预处理，包括插值处理。每个模型将使用不同的关键可观测量进行训练，这些可观测量包括：均方误差（MSE）、平均绝对误差（MAE）、均方根误差（RMSE）以及 R 平方。建模将使用不同的特征集合，如有效温度（Teff）、表面重力（log g）以及 14 种化学元素丰度（[Na/Fe], [Mg/Fe], [Al/Fe], [Si/Fe], [Ca/Fe], [Sc/Fe], [Ti/Fe], [Cr/Fe], [Mn/Fe], [Ni/Fe], [Cu/Fe], [Zn/Fe], [Y/Fe], [Ba/Fe]）。目标变量为金属丰度 ([Fe/H])。研究结果表明，随机森林模型取得最高准确率，MSE 为 0.001628，R 平方值为 0.9266。结果凸显了集成方法在处理高维复杂数据集方面的有效性。此外，本研究强调了为天文数据分析选择恰当回归模型的重要性，为使用机器学习技术预测星体属性的后续研究奠定了基础。
引用
@article{arxiv.2410.06709,
title = {Predicting Stellar Metallicity: A Comparative Analysis of Regression Models for Solar Twin Stars},
author = {Sathwik Narkedimilli and Satvik Raghav and Sujith Makam and Prasanth Ayitapu and Aswath Babu H},
journal= {arXiv preprint arXiv:2410.06709},
year = {2024}
}
备注
16 pages, 7 figure, and 2 tables