基于 SDSS、WISE 与 GALEX 颜色的类星体测光红移
天体物理仪器与方法
2020-01-29 v1 星系天体物理
摘要
机器学习技术，特别是应用于光学波段颜色的 k 近邻算法，在预测类星体（QSO）测光红移方面取得了一定成功：尽管光谱红移与测光红移之差的均值接近于零，但这些差值的分布仍然较宽且明显非高斯。根据我们先前对测光红移的经验估计，我们发现通过加入其他波段（即近红外与紫外）的颜色可显著改善预测。以半数共 33643 个强类星体样本训练算法进行自检验，所得另一半样本的分布显著变窄。用全部类星体样本训练算法，同一组星等在射电源（类星体）样本上返回了类似的分布。尽管匹配重合度相对较低（3663 个源中仅 739 个在相关波段有测光数据），但这仍显著大于经验方法（2%），因此或可提供一种方法，用于获取下一代大型射电望远镜预计探测到的海量连续谱射电源的红移。
引用
@article{arxiv.2001.06514,
title = {QSO photometric redshifts from SDSS, WISE and GALEX colours},
author = {S. J. Curran},
journal= {arXiv preprint arXiv:2001.06514},
year = {2020}
}
备注
Accepted by MNRAS