Recomendados
Más contenido relacionado
Destacado
Similar a Atmósferas estelares: clasificador de parámetros físicos a partir de espectros
Similar a Atmósferas estelares: clasificador de parámetros físicos a partir de espectros (20)
Más de Jose Gomez
Último
Último (20)
Atmósferas estelares: clasificador de parámetros físicos a partir de espectros
- 1. Instituto Tecnológico Superior de Coatzacoalcos Ingeniería Informática - Sistema de Educación a Distancia - Tecnologías Innovadoras SID - 1304 ISC. LIZBETH HERNANDEZ OLAN Alumno: José Ramón Gómez Gómez Grupo: B Grado: 9no Actividad: Investigación de atmosfera estelares Fecha: 02 de Diciembre del 2015
- 2. INDICE INTRODUCCIÓN……………………………………………………………………. 3 DESARROLLO………………………………………………………………………. 4 DEFINICIÓN…………………………………………………………………………. 4 RECONOCIMIENTO ESTADÍSTICO (GEOMÉTRICO)………………………4 RECONOCIMIENTO SINTACTICO….……………………………………………. 5 NECESIDAD DE LAS WAVELETS…………………………………………………5 PLANTEAMIENTO DEL PROBLEMA………………………………………………8 CONCLUSIÓN………………………………………………...…………………….. 9 BIBLIOGRAFIA………………………………………………………………………..9
- 3. INTRODUCCIÓN La existencia de una parte de la estrella que denominamos atmósfera y otra , llamada interior estelar no es algo inherente a la misma estrella , puesto que ambas partes se confunden y en ambas partes rigen los mismos principios físicos . Esta es una distinción que establece el astrónomo porque sólo se observa la atmósfera estelar. Por tanto, definimos atmósfera estelar como las partes más externas de una estrella de las cuales recibimos radiación y que contribuye directamente al espectro observado. Lo que vamos a hacer es establecer una serie de hipótesis teóricas que nos conduzcan a ecuaciones de estructura de la atmósfera. A partir de estas ecuaciones y su resolución numérica establecer una tabla de valores numéricos de variables físicas (temperatura, presión, densidad, etc.) Con esta tabla calcularemos el flujo teórico que emitiría una estrella de dicha estructura .Como resulta que lo que se observa desde un observatorio es el flujo de la comparación del flujo teórico con el observado podemos estimar la bondad del modelo.
- 4. DESARROLLO DEFINICIÓN Es el acto de decidir realizar una acción dependiendo de la clase del patrón obtenido a partir de un conjunto de medidas. Es un área multidisciplinar que comprende diversos campos: Informática, Estadística, Matemáticas, Física, Bilogía, Medicina, Psicología, Economía, Ingeniería… Hoy en día hay una gran demanda de aplicaciones de RF en la industria. Reconocimiento Estadístico (Geométrico). Representa los patrones mediante vectores de características. Caracterizar una clase de patrones como una región del espacio de representación.
- 5. Reconocimiento Sintáctico. Representa los patrones como estructuras sintácticos (basadas en símbolos). Caracteriza una clase como una estructura gramatical (o un autómata finito).
- 6. Necesidad de las Wavelets. El análisis de señales no-estacionarias: Necesitamos métodos de análisis tiempo-frecuencia que nos den simultáneamente información temporal (espacial) y espectral. El análisis de Fourier tiene dos problemas: No puede caracterizar señales localmente en el dominio del tiempo. No hace buenas aproximaciones para funciones no-estacionarias. ¿Qué es una “Wavelet”? Una “onda” pequeña (“ondícula”), con una duración temporal (espacial) muy limitada: o Las wavelets son “localizadas” (oscilación fuertemente amortiguada). o Forman una base de funciones “oscilantes” (sustituyen al “seno” de Fourier) Dos condiciones: o Debe ser una onda. o Su amplitud es distinta de cero para un intervalo “corto” (ventana de resolución).
- 7. Los fundamentos Teóricos. Aunque la idea básica surge de forma independiente en distintos campos científicos su formalización se desarrolla en los años 1980: o A Grossmann y J. Morlet: primeros desarrollos para el análisis de datos geológicos (1982-85). o Daubechies, Mallat y Meyer: fundamentos matemáticos para la construcción de bases de wavelets – El análisis multiresolución (1988). La esencia de la Transformada Wavelet. Le señal es analizada a diferentes escalas o resoluciones:
- 8. o En primera aproximación, la señal es vista como si fuera estacionaria. o A mayores niveles de resolución o de detalle las discontinuidades de la señal comienzan a aparecer. Análisis multi-resolución: banco de filtros Se realiza mediante dilatación y traslación de una función prototipo llamada wavelet madre, la cual puede ser vista como un filtro paso banda. o Las versiones comprimidas (alta frecuencia) de esta función wavelet proporcionan un análisis en el tiempo (espacio) de gran resolución o Las versiones dilatadas (baja frecuencia) proporcionan un análisis de gran resolución en el dominio de la frecuencia. PLANTAMIENTO DEL PROBLEMA Partiendo de modelos teóricos de atmósferas estelares para estrellas O y B, aprender un clasificador que determine parámetros físicos de una estrella a partir de su espectro. Inicialmente: o Temperatura efectiva (Teff). o Gravedad en la superficie (logG). o Viento solar (logQ) o Velocidad de rotación (Vsini). Realimentar (refinar) el modelo teórico con los resultados del clasificador. PREPROCESO El modelo matemático nos proporciona espectros teóricos para rangos de múltiples parámetros estelares.
- 9. o Sirven de base para el parendizaje del clasificador. Experimentalmente se obtienen espectros reales: o Son difíciles de conseguir para O y B (hay pocos). o Se utilizan para evaluar y refinar el clasificador. CONCLUSIONES Las capas exteriores de las estrellas (en el Sol, la cromosfera y la fotosfera), en las que tienen lugar la emisión de las energías engendradas en el interior de las estrellas, teniendo lugar los procesos físicos (absorción, emisión) que caracterizan el tipo espectral. La masa de la atmósfera estelar es escasamente pequeña frente a la masa total de una estrella, así como la difusión (a excepción de los supes gigantes, cuya atmósfera es comparable con el radio estelar en cuanto a su difusión). La temperatura y la presión capa a capa son diferentes en la atmósfera estelar para cada tipo espectral.