Szegedi Tudományegyetem. Nyári szakmai gyakorlat. SZTE TTIK Kísérleti Fizika Tanszék

Átírás

1 Szegedi Tudományegyetem Természettudományi És Informatikai Kar Kísérleti Fizika Tanszék Az Y Lyn fényességének idősorelemzése Nyári szakmai gyakorlat Készítette: Témavezető: Száldobágyi L. Csaba, fizika szakos hallgató Dr. Szatmáry Károly, egyetemi tanár SZTE TTIK Kísérleti Fizika Tanszék Szeged, 2016

2 Tartalomjegyzék 1. Az adatok 1 2. Elméleti áttekintés 1 3. Az adatok előfeldolgozása 3 4. Elemzés Fourier-analízis Wavelet-analízis

3 Bevezetés A dolgozat rövid összefoglalás, a szakmai gyakorlat során áttekintett irodalom és a megismert szoftverek alkalmazása alapján készült. Alapvető feladatok: a Fourier-analízis elméleti alapjainak konszolidálása, a waveletanalízis elméleti alapjainak megismerése, ezek gyakorlati alkalmazása az Y Lyn fénygörbéjének adatai alapján. A kutatási terület célkitűzésnek megfelelő áttekintése az Irodalomjegyzékben felsorolt publikációk és könyvek tanulmányozását jelentette, míg az ismeretek gyakorlati felhasználására a Period04, illetve a WinWWZ szoftverek használata adott lehetőséget. Mivel a felhasznált irodalom az ismeretek alapját képezte, az egyes megállapításokhoz kapcsolódó anyag nem került önállóan kiemelésre; a megjelölt szakirodalomra átfogóan hivatkozunk. 1. Az adatok A változó csillagok fényességének mérési adatait az AAVSO 1 teszi hozzáférhetővé az AAVSO International Database szolgáltatásán keresztül. Az adatbázis 18 millió vizuális, PEP és CCD észlelés adatait tartalmazza, hatezer észlelő hatezer objektumra és 90 év gyűjtésére vonatkozó megfigyelése alapján. Az adatok letöltéséhez grafikus kereső felületet biztosítanak. A letöltéshez meg kell adni az objektum csillagászati azonosítójelét (AUID), a lekérdezés intervallumát (JD), a fájl formátumára, illetve a letöltést kezdeményező személyére vonatkozó néhány adatot. Érdekesség, hogy az Y Lyn első magyar fényességi adata április 08. (19:12:00.0 UT) dátummal került az adatbázisba. Az Y Lyncis egy SRc osztályú, M5 I-IIb típusú csillag. A félszabályos változókra jellemző, hogy fényességük amplitúdója és frekvenciája is a csillag belsejében lejátszódó kvázi-periodikus folyamatra utal. A vizsgálat lényege a fényességváltozás paramétereinek meghatározása, később pedig a változást magyarázó modell összeállítása, illetve pontosítása. 2. Elméleti áttekintés A spektrálanalízis, illetve idősorelemzés azt vizsgálja, hogy a megfigyelt mintában találhatók-e periodikusan ismétlődő komponensek, illetve megadja az ismétlődés frekvenciáját. A feltételezhetően periodikus adatsorok vizsgálatának egyik legelterjedtebb módszere a Fourier-analízis. Ennek lényege, hogy a vizsgált időintervallumban található összetett (felharmonikusokat is tartalmazó) periodikus függvényt egy integrállal helyettesítjük, pontosabban előállítjuk annak Fourier-féle transzformációját 1 American Association of Variable Star Observers 1

4 (dekompozícióját). Matematikai alakban: F T [ m (t) ] = F (f) = m (t) e ı2πft dt, ahol m (t) a periodikus fényesség változás szinusz hullámainak összegzett függvénye, azaz m (t) = n A n cos 2πf n t + ϕ n. i=1 A transzformáció a vizsgált függvényt, adott esetben a csillag változó fényességét, idő dimenzióból frekvencia dimenzióba képezi le. A konvolúció eredménye a vizsgált fizikai jelenség egy másik aspektusának megjelenítése: a periodikus jelet alkotó komponensek, azaz a különböző frekvenciák vizsgált tartományra vett összegzése. Személetesen ez azt jelenti, hogy egy adott frekvenciát reprezentáló alapfüggvényt konvolváltatunk a teljes tartományon, így a transzformáció során ezen a tartományon összegződik az alapfüggvénnyel aktuálisan meghatározott frekvencia (a függvény periódusának időbeli változásától függetlenül). A folytonos transzformáció időben folytonos jelet feltételez, és nem ad információt a periódus esetleges változásáról. A megfigyelések gyakoriságát a mintavételezési frekvencia jellemzi. Ahhoz, hogy elkerüljük a hamis periódusok kiértékelésben történő megjelenését, a mintavételezési frekvenciának el kell érnie a jel frekvenciájának legalább kétszeresét. A diszkrét Fourier-transzformáció valamely időben nem folytonos jellemző leképezésére alkalmas. Ahhoz, hogy változó periódusú fizikai jelenségekről szerezhessünk pontosabb információt, más módszerre van szükség. Az egyik ilyen az ún. wavelet-analízis. Ezzel a módszerrel az amplitúdó, a periódus és a fázis időbeli változása is nyomon követhető. A wavelettranszformált az ún. ablakozott Fourier-transzformálthoz hasonló, azonban az utóbbi módszernél az idő-, illetve frekvencia tartománybeli felbontás állandó, addig a wavelettranszformáció során ez változik, mégpedig az ablak szélessége a próbafrekvenciával fordítottan (a próbaperiódussal egyenesen) arányos. Ezt a diagramok értékelésénél is figyelembe kell venni, mert íg azok nem csak a fizikai jelenség, hanem az azt vizsgáló módszer jellemzőjét is tükrözik: alacsony frekvenciáknál időben, míg magasaknál a frekvencia dimenzió mentén,,nyúlik meg a wavelet képe. Egy m (t) valós függvény wavelet transzformáltját a W (b, a) = 1 a ( ) t b m (t) g dt a összefüggés adja. Az a és b paraméterek befolyásolják a próbafüggvény viselkedését a vizsgált tartományban: eltolják illetve nyújtják azt, szemléletesen. A fenti két, komplex matematikai apparátussal rendelkező módszer mellett más eszközök 2

5 is léteznek a periódus kimutatására. Ilyen az ún. O-C diagram módszer, ahol a megfigyelt és a számolt fényességérték eltérést ábrázoljuk az idő függvényében. A görbe jellegéből következtethetünk a fényváltozás periódusára. A legkisebb négyzetek módszere, a sztringhossz módszer vagy a főkomponens analízis alkalmazása más-más esetekben célszerű és az adatsor eltérő aspektusára világíthat rá. 3. Az adatok előfeldolgozása Az adatok letöltése szóköz karakterrel elválasztott mezőket, és soronként egy rekordot tartalmazó fájlban történt. A kiértékelés előtt szükség van az adatok előfeldolgozására. Olyan fájlt szeretnénk előállítani, amely csak a mérés időpontjára és a fényességre vonatkozó adatokat tartalmaz, soronként két szóközzel elválasztott valós szám formájában. Az eredeti, adatbázisból letöltött fájl rekordot tartalmaz. Ezt egy olyan reguláris kifejezéssel szűrve, amely csak egy szóközzel elválasztott két valós számra illeszkedik, a rekordok száma re csökken. Valóban található 23 olyan fényesség adat, amelyet < (kisebb) szimbólum előz meg. Az előfeldolgozás részét képezi az adatok átlagolása. Ezzel feltételezésünk szerint úgy csökkenthető az adatok mennyisége hogy közben információt nem veszítünk el. [9] 3

6 fényesség (mag) idő (JD ) 1. ábra. Az öt napra átlagolt fénygörbe Előfeldolgozás során, pontosabban már az azt megelőző fázisban felmerülhet, hogy az adatsorban feltételezett periodicitás nem valamilyen véletlen komponens, zaj következménye-e. Ez vizsgálható úgy, hogy több ciklusban növekvő nagyságú zajt (pl. ±1 magnitúdó leolvasási bizonytalanságot szimulálva) adunk a mérési adatokhoz, és meg- 4

7 figyeljük azok hatását a választott kiértékelési módszerre. Tehát az adatok előkészítését így reguláris kifejezések, és egy néhány soros C nyelvű program biztosította. 4. Elemzés Mint láttuk, a fényességváltozás időbeli elemzésének lehetséges matematikai eszközei a Fourier-analízis, illetve a wavelet-analízis. Az elemzés során ezek felhasználását támogató szoftvereket használunk. A Period4 nevű program három fő funkciója, az idősor beolvasása, a Fourier-analízis végrehajtása és az eredmény további, numerikus pontosítása Fourier-analízis Az adatsor beolvasása után lehetőség van a fénygörbe megjelenítésére. 2. ábra. Period04 alkalmazással szemléltetett fénygörbe (idősor) A szoftver grafikus felületet biztosít az elemzés paramétereinek megadására. 5

8 3. ábra. Period04 alkalmazás Fourier-analízis beviteli képernyője A nem egyenletes mintavételből adódó periódus kimutatásra alkalmas a spektrál ablakra elvégzett elemzés. 4. ábra. Periódus spektrál ablakra A minta felbontása spektrális összetevőkre. 6

9 5. ábra. Az idősor Fourier-féle felbontása A fő spektrális komponens meghatározása után tovább vizsgálható a minta. A fehérítésnek nevezett eljárás lényege, hogy úgy végzünk újabb elemzést, hogy a már feltárt komponenshez tartozó adatokat figyelmen kívül hagyjuk. Ez az eljárás ismételhető, de az adatsorból néhány iteráció, ennek hatására eltűnnek az értékelhető összetevők. 6. ábra. Az első fehérítés után 7

10 7. ábra. A második fehérítés után 8. ábra. A harmadik fehérítés után Nr. Frequency Amplitude Phase F F F F Zeropoint: Residuals: Iterations: 4 9. ábra. Az alkalmazás log egy részlete Az illesztés eredménye ábrán szemléltethető. 8

11 10. ábra. Az illesztett fénygörbe 4.2. Wavelet-analízis Csillagok fénygörbéjével összefüggő wavelet-elemzést támogat az AAVSO WinWWZ nevű alkalmazása. A program használata során fontos, hogy a különböző paraméter értékek megjelenítésre gyakorolt hatását ismerjük, mert ez befolyásolja a kiértékelést. A tapasztalat azt mutatja, hogy a Constant (c) nevű paraméter értéke az alapértelmezett 0,0125 értéken megfelelő. Ez a paraméter befolyásolja a számítás idő-, illetve frekvencia dimenzióban történő felbontását. A beállítás komplementer. A paraméter módosításának hatása tükrözi a Frequency Step és a Time Step paraméterek hatását, ha azokat önállóan módosítjuk. Az alábbi ábrákon a c paraméter módosításának megjelenítésre gyakorolt hatása látható. 9

12 11. ábra. c = 0, ábra. c = 0,

13 13. ábra. c = 0, A spektrál-, illetve wavelet-analízis eredménye jól szemléltethető olyan kombinált ábrán, melyen ezek diagramjait célszerűen helyezzük el. 11

14 14. ábra. Az eredmények szemléltetése Köszönetnyilvánítás Köszönöm gyakorlatvezetőm, Dr. Szatmáry Károly egyetemi tanár támogatását, és a téma kiválasztásában, az eszközök és adatforrások biztosításában nyújtott elengedhetetlen segítségét. 12

15 Hivatkozások [1] Bódi Attila. A CH Cygni Kepler ūrtávcsővel mért fényességváltozása. Master s thesis, [2] J. P. Bravo, S. Roque, R. Estrela, I. C. Leao, and J. R. De Medeiros. Wavelets: a powerful tool for studying rotation, activity, and pulsation in Kepler and CoRoT stellar light curves. Astronomy & Astrophysics, July [3] W. A. Cooper and E. N. Walker. Csillagok távcsővégen. Gondolat, [4] Grant Foster. Wavelets for period analysis of unevenly sampled time series. The Astronomical Journal, 112(4), October [5] Szatmáry K., Vinkó J., Gergely Á. L., and Keresztes Z. Asztrofizika. SZTE TTIK, [6] David W. Kammler. A First Course In Fourier Analysis. [7] Szatmáry Károly and Vinkó József. Periodicities of the light curve of the semiregular variable star Y Lyncis. Monthly Notices of the Royal Astronomical Society (ISSN ), 256(2): , May [8] J. R. Percy. Understanding Variable Stars. Cambridge University Press, [9] Pang-Ning Tan, Vipin Kumar, and Michael Steinbach. Adatbányászat - Alapvetés. Panem Kft., [10] M. Templeton. Time-series analysis of variable star data. JAAVSO, 32,