目前的工作是基于模型中减速参数q(z)的参数重构,该模型用于充满了暗能量和非相对论物质的空间平坦的FRW宇宙。 在宇宙学中,参数重建技术试图通过为宇宙学参数选择一些特定的演化方案来构建模型,然后借助不同的观测数据集来估计参数的值。 在本文中,我们提出了q(z)的对数参数化,以探讨宇宙的演化历史。 使用Ia型超新星,重子声波振荡和宇宙微波背景数据集,通过χ2最小化技术获得了对任意模型参数q0和q1的约束(在1σ和2σ置信范围内)。 然后,我们重建了减速参数,总EoS参数ωtot,加加速度参数,并将q(z)的重建结果与q(z)的其他众所周知的参数进行了比较。 我们还表明,两个模型选择标准(即Aka