遗传算法优化的BP神经网络卫星钟差预报

针对BP (Back Propagation)神经网络模型预测卫星钟差中权值和阈值的最优化问题, 提出了基于遗传算法优化的BP神经网络卫星钟差短期预报模型, 给出了遗传算法优化BP神经网络的基本思想、具体方法和实施步骤. 为验证该优化模型的有效性和可行性, 利用北斗卫星导航系统(BeiDou navigation satellite system, BDS)卫星钟差数据进行钟差预报精度分析, 并将其与灰色模型(GM(1,1))和BP神经网络模型预报的结果比较分析. 结果表明: 该模型在短期钟差预报中具有较好的精度, 优于GM(1,1)模型和BP神经网络模型.     

基于斩波轮技术的K波段接收机噪声校准研究

接收机是射电天文中用于探测微弱射电信号的重要接收设备.接收机的强度校准就是将接收机对射电源的响应转换为天文意义上的流量密度.常规方法就是使用经典的冷热负载法,将接收机自身的强度响应转换为一个等效的温度值,之后再据此对射电源做进一步标定.通过搭建基于斩波轮技术的K波段接收机强度校准平台,使用斩波轮法测试K波段常温接收机的噪声温度,并与传统冷热负载法的测试结果进行比对.结果显示,在晴好天气条件下,斩波轮法在30°、90°仰角下噪声温度的最大测试误差为7.5%和8.4%,可以很好地应用于实际噪声温度测试中;但在5°仰角测试中,由于过低仰角引入了地面噪声,使得斩波轮法的测试误差上升至20%–30%之间而无法使用.希望在此基础上进一步开展K波段天空亮温度的理论计算与实测,从而完善斩波轮技术的应用,使之可以满足在不同气象条件下的噪声校准测试需求.     

1:5万区域化探样品分析测试的质量监控

依据《地质矿产实验室测试质量管理规范》,并结合山西省的地质情况建立了一套1:5万区域化探样品分析测试的质量监控体系。分四个部分详细论述了的1:5万区域化探样品分析测试的质量监控体系。过去1:5万质量监控体系完全是靠人工进行,效率低下;本质量监控体系与过去相比,不但节省了大量的人力、物力,而且更加准确、迅速,更能适应1:5万质量监控大量数据处理的需要。     

宽波段傅里叶变换太阳光谱仪等光程差采样系统设计

太阳成像光谱探测是诊断太阳大气磁场和热力学参数的主要手段. 傅里叶变换太阳光谱仪(Fourier Transform Solar Spectrometer, FTSS)具有宽波段的优势, 是当前中红外高分辨率太阳光谱探测的最佳选择. FTSS通过采集目标辐射等光程差干涉图, 反演获得光谱图, 等光程差采样的间隔决定了反演光谱波长范围. 因此从FTSS宽波段光谱观测对不同等光程差采样间隔需求出发, 基于现场可编程门阵列(Field Programmable Gate Array, FPGA)技术, 采用全数字分频、倍频方案, 设计了一套宽波段FTSS等光程差采样系统. 采用分布式余数补偿方法, 有效解决了在参考激光干涉信号倍频过程中, 输出采样信号在输出信号周期间误差累积问题, 并降低了输出采样信号的误差及非均匀性; 经功能仿真及实验测试, 系统在200Hz--50kHz频率范围内, 频率误差delta $<$ 0.04%, 可有效满足FTSS的300nm--25μm宽波段的光谱观测数据采集需求, 为后续可见和红外波段FTSS的研制奠定了技术基础.     

Blazar天体3C 66A光学波段准周期光变分析

研究了Blazar天体3C 66A光学波段的准周期光变行为.收集了3C 66A光学V波段将近18 yr (2003—2021年)的测光数据,观测数据主要来源是:上海天文台(ShAO)、 AAVSO (The American Association of Variable Star Observers)数据库、Steward天文台.使用了Jurkevich和Lomb-Scargle两种方法分析了光变数据.Jurkevich方法得到了(850±90) d (～2.3 yr)和(1150±140) d (～3.2 yr)的光变周期,而Lomb-Scargle方法在充分考虑了“红噪声”效应之后同样得到了(869±70) d和(1111±90) d的光变周期,它们的置信水平分别为>99%和> 95%.通过与之前的研究结果比较,发现～2.3 yr的光变周期在3C 66A的历史光变数据中是一个稳定的周期,而～3.2 yr的周期则是不稳定的.     

基于EfficientNet的星系形态分类研究

星系的结构和形态能够反映星系自身的物理性质,其形态的分类是后续分析研究的一个重要环节.EfficientNet模型使用复合系数对深度网络模型的深度、宽度、输入图像分辨率进行更加结构化的统一缩放,是一种新的深度网络优化扩展方法.将该模型应用于星系数据形态的分类研究中,结果表明基于EfficientNetB5模型的平均准确率、精确率、召回率以及F1分数(精确率与召回率的调和平均数)都在96.6%以上,与残差网络(Residual network, ResNet)中ResNet-26模型的分类结果相比有较大的提升.实验结果证明EfficientNet的深度网络优化扩展方法可行且有效,可应用于星系的形态分类.     

Simulation Study on High Energy Cosmic Electron Detection by Shower Image

Many projects have recently been carried out and proposed for observing high energy electrons since it is realized that cosmic ray electrons are very important when study-ing the dark matter particles and the acceleration mechanism of cosmic rays. An imaging calorimeter,BETS (Balloon-borne Electron Telescope with Scintillator fiber),has been de-veloped for this purpose. Using pattern analysis of the shower development,the electrons can be selected from those primary cosmic ray proton events with flux heights one-tenth that of the electrons. The Monte-Carlo simulation is indispensable for the instrument design,the sig-nal trigger and the data analysis. We present different shower simulation codes and compare the simulation results with the beam test and the flight data of BETS. We conclude that the code FLUKA2002 gives the most consistent results with the experimental data.     

黑洞候选体MAXI J1535-571爆发期间的时变现象

利用“慧眼”(Hard X-ray Modulation Telescope, Insight-HXMT)卫星在2017年9月对黑洞候选体MAXI J1535-571的观测数据,研究了该源在爆发期内的时变现象.当源处于不同的爆发谱态时,功率密度谱的谱型存在明显差异.在硬中间态,有明显的限带噪声(band-limited noise)成分和QPO (Quasi-Periodic Oscillation)成分.分析结果表明:低频限带噪声的特征频率随能量的变化呈现正相关,即软能段光子的特征频率小于硬能段光子的特征频率. 0.1–0.5 Hz频率区间的限带噪声RMS (Root Mean Square)谱在硬中间态和软中间态均出现峰值,且在高能端存在差异,可能是主导噪声RMS的能谱成分占比不同.当谱态由硬中间态过渡到软中间态时, C型QPO的RMS谱保持相似趋势,但限带噪声RMS谱存在谱态依赖现象,暗示着噪声和QPO有不同的起源机制.     

基于CSST多色测光的时序测光精度分析

中国巡天空间望远镜(Chinese Survey Space Telescope, CSST)是中国的首个大型空间光学望远镜, 将对包括系外行星探测在内的诸多科学目标开展研究, 有望取得前沿科学进展. 时序测光精度是CSST重要的性能指标, 受到物理噪声和仪器噪声的影响, 需要通过数值模拟对其分析和评估. 模拟基于目前公布的CSST主要技术参数, 建立了时序的恒星信号和噪声模型, 以CSST的i波段为例, 分析凝视观测模式下的测光精度. 通过数值仿真, 展示了孔径测光中各项噪声的贡献, 特别是由指向抖动和像素响应不均匀性导致的抖动噪声. 模拟结果还给出了测光孔径的推荐范围. 为了获得更高的信噪比, 可以减小仪器抖动振幅和像素不均匀性, 或者采用参考星较差测光的方式. 结果为CSST后续的时序测光精度与不同指标参数的相关性分析、系外行星探测能力评估以及测光数据处理提供了模拟数据的支撑.     

基于深度学习的太阳F_10.7辐射通量的短期预报研究

F_10.7太阳辐射通量作为输入参数被广泛运用于大气经验模型、电离层模型等空间环境模型,其预报精度直接影响航天器轨道预报精度.采用时间序列法统计了太阳辐射通量F10.7指数和太阳黑子数(SSN)的关系,给出了两者之间的线性关系,在此基础上提出了一种基于长短时记忆神经网络(Long and Short Term Memory,LSTM)的预报方法,方法结合了54 d太阳辐射通量指数和SSN历史数据来对F_10.7进行未来7 d短期预报,并与其他预报方法的预报结果进行了比较,结果表明:(1)所建短期预报7 d方法模型的性能优于美国空间天气预报中心(Space Weather Prediction Center, SWPC)的方法,预测值和观测值的相关系数(CC)达到0.96,同时其均方根误差约为11.62个太阳辐射通量单位(sfu),预报结果的均方根误差(RMSE)低于SWPC,下降约11%;(2)对预测的23、24周太阳活动年结果统计表明,太阳活动高年的第7 d F10.7指数预报平均绝对百分比误差(MAPE)最优可达12.9%以内,低年最优可达2...