基于人工神经网络的小行星分类分析
地球与行星天体物理
2023-11-21 v1 机器学习
摘要
我们利用可见光和/或红外光谱研究小行星的表面成分。例如，小行星分类学基于可见光和近红外波段的谱特征或多色指数。小行星的成分为了解其起源和演化提供了关键信息。然而，受地基观测仪器限制，我们缺乏暗弱小行星的成分信息。在不久的将来，中国空间巡天望远镜（CSST）将分别为视星等亮于25 mag和23 mag的小行星提供多色测光和光谱数据。为分析CSST光谱数据，我们应用一种基于人工神经网络（ANNs）的算法，根据CSST巡天模块设计建立小行星分类学的初步分类模型。利用SMASS II光谱和Bus-Binzel分类系统，我们构建了由5个独立ANN组成的ANN分类工具，该分类系统准确率高于92%。作为我们ANN工具的首次应用，分析了我们在2006和2007年使用中国科学院兴隆站（天文台代码327）2.16米望远镜获得的42颗小行星的64条光谱。与已知分类标签相比，用我们的ANN工具预测的这些光谱标签是合理的。考虑到准确率和稳定性，我们的ANN工具未来可应用于分析CSST小行星光谱。
引用
@article{arxiv.2311.10954,
title = {Taxonomic analysis of asteroids with artificial neural networks},
author = {Nanping Luo and Xiaobin Wang and Shenghong Gu and Antti Penttilä and Karri Muinonen and Yisi Liu},
journal= {arXiv preprint arXiv:2311.10954},
year = {2023}
}
备注
10 pages,8 figures,accepted by AJ for publication