Python实现CMB黑体谱卡方最小化时卡方值恒定问题
CMB黑体拟合卡方计算代码修正
现有代码的核心逻辑缺陷
- 普朗克公式存在两处计算错误
- 振幅部分:原代码
jj=2*scy.h*scy.c*(nu**3)/scy.c**2多乘了一次光速c,化简后实际结果为2hν³/c,但频率域普朗克公式的正确振幅应为2hν³/c²。 - 玻尔兹曼因子部分:原代码
jk=(scy.h*nu)/scy.k*Tin未对分母加括号,按照Python运算优先级,实际计算为(hν/k_B) * T,和物理要求的hν/(k_B * T)完全不符,存在本质量纲错误。
- 振幅部分:原代码
- 温度遍历时序错位
外层循环虽然设置了覆盖全温度范围的遍历逻辑,但计算理论谱时始终使用循环外手动递减的全局变量T,没有直接将温度序列中的每个温度值逐一代入计算,存在“先算卡方、再递减温度”的时序偏差。 - 存储数组被反复重置且逻辑无效
每次外层循环内部都重新执行chiM=n.empty((2,len(Tsize))),直接清空之前循环存储的所有计算结果;后续嵌套的内层k循环没有实际计算意义,仅把当前单次算出的卡方值强行填充到数组的所有位置,最终数组内所有位置的卡方值完全一致。 - 存储目标与需求错位
需求为逐温度计算卡方值并存入对应位置,但现有循环结构没有实现差异化存储,所有温度对应的计算结果都被同一个固定值覆盖。
修正后的可运行代码
import numpy as n import scipy.constants as scy import pandas as p # 读取观测数据集 a = p.read_csv('spec-1-mod.csv') nu_obs = n.array(a.loc[:, "column1"]) # 观测频率 flux_obs = n.array(a.loc[:, "column2"])# 观测流量 flux_err = n.array(a.loc[:, "column4"])# 观测流量的测量误差 # 修正后的普朗克理论谱计算函数 def planck_theory(nu, T): amp = 2 * scy.h * nu**3 / scy.c**2 boltzmann_term = scy.h * nu / (scy.k * T) return amp * 1 / (n.exp(boltzmann_term) - 1) # 定义待遍历的温度序列 T_list = n.arange(300, 0, -0.1) # 提前初始化存储数组,避免循环内反复重建 chi2_store = n.empty(len(T_list)) # 逐温度计算对应卡方值 for idx, T in enumerate(T_list): theo_flux = planck_theory(nu_obs, T) # 计算逐点归一化残差的平方和(即卡方值) chi2_store[idx] = n.sum( ((flux_obs - theo_flux)/flux_err)**2 ) # 直接定位卡方最小值对应的温度,即为最优拟合结果 best_T = T_list[n.argmin(chi2_store)] print(f"拟合得到的最优黑体温度为:{best_T:.3f} K")
注意:如果CSV文件中存储的频率单位不是国际单位Hz(例如常见的GHz、波数单位cm⁻¹等),需要先转换为Hz再代入公式计算,否则会因单位不匹配导致理论流量与观测值存在数个数量级的偏差,无法得到正确的拟合结果。
内容的提问来源于stack exchange,提问作者Alex
相关产品推荐
相关产品推荐

