[论文解读] Determination of the mass loss rate and the terminal velocity of stellar winds. I Genetic algorithm for automatic line profile fitting

Л. Георгиев, X. Hernández|ArXiv.org|Jan 28, 2005

Calibration and Measurement Techniques被引用 3

一句话总结

本文提出一种遗传算法，用于在紫外星风光谱中自动拟合P Cyg线轮廓，结合Sobolev近似与精确辐射传输方法，估算质量损失率与终端速度。该方法能稳健地定位全局似然最大值，即使在信噪比较低和光谱分辨率较低的数据下也能实现可靠的参数估计，并通过蒙特卡洛模拟提供统计上合理的置信区间。

ABSTRACT

Terminal wind velocity and mass loss rate are the most fundamental parameters of stellar winds. Unfortunately, their determination calls for high resolution spectroscopy in a range of wavelengths spanning from the ultraviolet to the infrared. For weak and/or distant objects, this becomes unfeasible. Nevertheless, it is possible to obtain an accurate estimate of these parameters through a simplified study of the formation processes of resonant lines which show P Cyg profiles. In this case, the line profile is a complex function of 6 parameters, with the radiative transport treatment becoming relatively inexpensive. However, preforming a 6 dimensional parameter fit raises a number of problems if one seeks an objective and automatic procedure to yield the optimal values, from which wind velocities and mass loss rates can be estimated. Useing a Likelihood function to construct a well defined statistical estimator of the goodness of fit which corresponds to a given model, we turn to a genetic algorithm through which we find the global maximum of the 6 dimensional Likelihood hyper-surface. We here present the implementation of the method, its successful testing with synthetic line profiles, where the answer is known in advance, together with first results of its application to real data

研究动机与目标

• 开发一种可靠、自动的P Cyg线轮廓拟合方法，适用于紫外星风光谱。
• 克服经典最小化方法在高维参数空间中常收敛于局部极小值的局限性。
• 实现从信噪比较低和光谱分辨率较低的紫外光谱中准确估算质量损失率与终端速度。
• 通过蒙特卡洛模拟，为拟合参数提供客观、统计上合理的置信区间。
• 降低对初始参数猜测的依赖，确保在各种观测条件下均具有鲁棒性。

提出的方法

• 该方法使用Sobolev近似计算球对称星风中的线源函数。
• 通过积分精确求解辐射传输，类似于SEI方法（Lamers et al. 1987），以计算出射通量轮廓。
• 采用似然估计评估拟合质量，通过遗传算法实现最大化，以避免陷入局部极小值。
• 遗传算法在参数网格上运行，仅需较宽泛的初始边界，对初始猜测的敏感性极低，具有高度鲁棒性。
• 对恢复的参数应用蒙特卡洛模拟，以估计完整的置信区间和协方差矩阵。
• 未来工作可采用混合方法——先用遗传算法定位全局最大值，再通过经典最小化方法进一步优化解。

实验结果

研究问题

• RQ1 遗传算法能否在不陷入局部极小值的情况下，可靠地拟合紫外星风光谱中的P Cyg线轮廓？
• RQ2 在信噪比较低和光谱分辨率较低的紫外数据下，质量损失率与终端速度的估算精度如何？
• RQ3 该方法的性能在多大程度上依赖于初始参数猜测？
• RQ4 能否从拟合过程中客观地推导出统计上合理的置信区间？
• RQ5 该方法在处理星际吸收线或重叠吸收线引起的光谱污染时表现如何？

主要发现

• 遗传算法成功定位了似然曲面的全局最大值，避免了经典最小化方法常陷入的局部极小值问题。
• 该方法在合成光谱和真实紫外光谱上均表现出稳健性能，包括信噪比较低和存在光谱污染的情况。
• 即使在存在显著星际吸收的情况下，该代码也能可靠地拟合大麦哲伦星系恒星HD5980的P V 1117/1129 Å线，方法是为受污染光谱区域分配较低权重。
• 对恢复参数的蒙特卡洛模拟可获得完整的协方差矩阵和统计上合理的置信区间。
• 该方法估计的是质量损失率与电离/激发分数的乘积（$\dot{M}q_{\text{ion}}q_{\text{ex}}$），但仅凭低分辨率、低信噪比数据无法单独分离出$\dot{M}$与这些分数。
• 该解对初始参数猜测不敏感，即使初始范围较宽，算法仍能向全局最大值迁移。