You need to enable JavaScript to run this app. Python实现CMB黑体谱卡方最小化时卡方值恒定问题
优惠活动
大模型
产品
解决方案
定价
更多

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
    1. 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。
    2. 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。
  • 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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.04 08:27:01