475 Ocllo






























































































475 Ocllo

asteroido
Oficiala nomo
 475 Ocllo
Aliaj nomoj
1901 HN ; 1959 JS ;
1979 DD

Historio
Malkovrinto
DeLisle Stewart
Dato de malkovro
Loko de malkovro
14-a de aŭgusto 1901
Arekipo

Orbitaj ecoj

Granda duonakso
- Periapsido
- Apoapsido
 387,764 Gm (2,592 AU)
239,654 Gm (1,602 AU)
535,875 Gm (3,582 AU)

Discentreco
 0,382

Meza anomaliangulo
 309,084°

Klinangulo
 18,917°

Periodo
 1524,241 tagoj (4,173 jaroj)
Meza cirkulrapido
 17,81 km/s

Longitudo de
suprenira nodo
 34,611°

Argum. de periapsido
 305,509°

Fizikaj ecoj

Diametro
 31,0 km

Maso
- Denso
- Surfaca falakcelo
- Liberiga rapido
 3,12 × 1016 kg
~ 2 000 kg/m3 ?
0,0087 m/s²
0,0164 km/s

Rotacia periodo
 0,3048 tago (7,3151 horoj)

Atmosferaj kaj surfacaj ecoj

Surfaca temperaturo
 ~ 176 K

Geometria albedo
 0,032

Observaj ecoj

Spektroklaso
 X

Videbla magnitudo

Absoluta magnitudo
 11,88







v • d • r
Information icon.svg



475 Ocllo estas malgranda malhela marsrenkonta asteroido, malkovrita la 14-an de aŭgusto 1901 de la usona astronomo DeLisle Stewart elde la "Boyden stacio" de Arekipo (filio de la Observatorio de la Universitato Harvard en Peruo).


Ĝi ricevis la nomon de Mama Ocllo, fratino kaj edzino de Manku Kapak, mita fondinto de la Inkaa imperio.



Eksteraj ligiloj |




  • angle 475 Ocllo : Parametroj kaj simulado de orbito (JAVA necesa)


  • angle Slipo de (475) Ocllo (de IAU Minor Planet Center)













Antaŭe: Listo de asteroidoj (1 - 1000) Poste:
474 Prudentia 475 Ocllo 476 Hedwig



-

Popular posts from this blog

Aikido

Image
Ĉi tiu artikolo citas neniun fonton . Vi povas plibonigi ĝin, aldonante fidindajn fontojn. Senfontaj asertoj povas esti forigitaj.  (Novembro 2012) Aikido Japana Nomo: Kanji 合気道 Hiragana あいきどう Spiradaj ekzercoj Aikido , aŭ Ajkido , estas moderna japana luktarto (Shin Budo) kompilita de Ueshiba Morihei dum la periodo inter la 1930-aj jaroj ĝis 1960-aj jaroj. Ĝi estas senperforta kaj multaj el ĝiaj teĥnikoj evoluis el Daito-Rjuo (speco de ĵuĵicuo) kaj el glava batalado. La filozofio de aikido devenis ĉefe de la religio Oomoto pro la kontaktoj inter O´Sensei ("granda majstro", esprimo uzata de la aikidistoj por nomi Ueshiba Morihei) kaj Deguchi Onisaburo Sensei el Oomoto. Oni konsideras, ke aikidisto havu iom da spiriteco, interalie pri la uzo de la Ĉi, KI, ĝi postulas nenuran teknikan trejnon. La nepo de la kreinto, Ueshiba Moriteru, nun estas "Doshu", tiu kiu montras la vojon. Enhavo 1 Aikido - Oomoto - Esperanto...
Read more

The minimum number of groups for any class cannot be less than 2 error

Image
0 $begingroup$ cv_split = StratifiedShuffleSplit(n_splits=10, test_size=0.3, random_state=0) # Performing cross-validation to estimate the performance of the models for idx, est in enumerate(estimator): cv_results = cross_validate(est[1](), x_value, y_value, cv=cv_split) I got following error from this code ValueError: The least populated class in y has only 1 member, which is too few. The minimum number of groups for any class cannot be less than 2. and my y_value looks like y_value = array([221900, 180000, 510000, ..., 360000, 400000, 325000]) I used this method before and y_value has the same shape as before. python data-mining cross-validation share ...
Read more

SMOTE: ValueError: Expected n_neighbors <= n_samples, but n_samples = 1, n_neighbors = 6

Image
0 $begingroup$ I am designing a multi class classifier for 11 labels. I am using SMOTE to tackle the sampling problem. However I face the following error:- error at SMOTE from imblearn.over_sampling import SMOTE sm = SMOTE(random_state=42) X_res, Y_res = sm.fit_sample(X_f, Y_f) error ~/.local/lib/python3.6/site-packages/sklearn/neighbors/base.py in kneighbors(self, X, n_neighbors, return_distance) 414 "Expected n_neighbors <= n_samples, " 415 " but n_samples = %d, n_neighbors = %d" % --> 416 (train_size, n_neighbors) 417 ) 418 n_samples, _ = X.shape ValueError: Expected n_neighbors <= n_samples, but n_samples = 1, n_neighbors = 6 Why does it say I have only 1 n_samples? When I tr...
Read more