Sersic1D系列

class astropy.modeling.functional_models.Sersic1D(amplitude=1, r_eff=1, n=4, **kwargs)

基类：astropy.modeling.core.Fittable1DModel

一维Sersic表面亮度分布。

参数

amplitude浮动

ru eff下的表面亮度。

r_eff浮动

有效（半光）半径

n浮动

Sersic指数。

其他参数

fixed口述，可选

字典 {{parameter_name: boolean}} 在拟合过程中不能改变的参数。True表示参数保持不变。或者 fixed 可以使用参数的属性。

tied可选的

字典 {{parameter_name: callable}} 链接到其他参数的参数。字典值是提供链接关系的可调用项。或者 tied 可以使用参数的属性。

bounds可选的

字典 {{parameter_name: value}} 参数的上下界。键是参数名。值是一个长度为2的列表或元组，为参数提供所需的范围。或者 min 和 max 可以使用参数的属性。

eqcons可选列表

长度函数列表 n 这样的话 eqcons[j](x0,*args) == 0.0 在一个成功优化的问题中。

ineqcons可选列表

长度函数列表 n 这样的话 ieqcons[j](x0,*args) >= 0.0 是一个成功优化的问题。

参见

Gaussian1D, Moffat1D, Lorentz1D

笔记

模型公式：

\[i(R)=i_e\exp\Left\{-b_n\Left [\left(\frac{{r}}{{r_{{e}}}}\right)^{{(1/n)}}-1\right] \右\}\]

常数 \(b_n\) 定义为 \(r_e\) 包含总光度的一半，可以用数值求解。

\[\伽马（2n）=2 \伽马（bĩn，2n）\]

工具书类

1

http://ned.ipac.caltech.edu/level5/March05/Graham/Graham2.html

实例

import numpy as np
from astropy.modeling.models import Sersic1D
import matplotlib.pyplot as plt

plt.figure()
plt.subplot(111, xscale='log', yscale='log')
s1 = Sersic1D(amplitude=1, r_eff=5)
r=np.arange(0, 100, .01)

for n in range(1, 10):
     s1.n = n
     plt.plot(r, s1(r), color=str(float(n) / 15))

plt.axis([1e-1, 30, 1e-2, 1e3])
plt.xlabel('log Radius')
plt.ylabel('log Surface Brightness')
plt.text(.25, 1.5, 'n=1')
plt.text(.25, 300, 'n=10')
plt.xticks([])
plt.yticks([])
plt.show()

(png _, svg ， pdf ）

属性摘要

amplitude
input_units	此属性用于指示evaluate方法所需的单元或单元集，并返回将输入映射到单元（或 None 如果接受任何单位）。
n
param_names	描述此类型模型的参数的名称。
r_eff

方法总结

evaluate (r，幅度，r_效应，n)

一维Sersic剖面函数。

属性文档

amplitude = Parameter('amplitude', value=1.0)

input_units

n = Parameter('n', value=4.0)

param_names = ('amplitude', 'r_eff', 'n')

描述此类型模型的参数的名称。

此元组中的参数与初始化特定类型的模型时应传入的顺序相同。某些类型的模型，如多项式模型，根据模型的某些其他属性（如阶数）有不同数量的参数。

定义自定义模型类时，此属性的值由 Parameter 在类中定义的body属性。

r_eff = Parameter('r_eff', value=1.0)

方法文件

classmethod evaluate(r, amplitude, r_eff, n)

一维Sersic剖面函数。