星系光谱自动分析与特殊天体自动搜寻研究

GuoShouJing Telescope (LAMOST) is one of large science projects of China, its pilot Survey has been carried out and the corresponding data has been released in stages. Based on the demands of LAMOST's spectral analysis, and by virtue of computer technology and methods,our purpose is to carry out the research of automatic processing of massive celestial spectra,including analysing the components of each galaxy sepctrum and its quality evaluation, and searching for rare celestial target candidates. we plan to utilize the theory and methods of pattern recognition and data mining to achieve the purposes such as automatic classification of galaxy spectra, the automatic measurement of the galaxy redshift ,spectral analysis of galaxy components and its evaluation, the search of the rare objects. The research topics include: 1. Analysing the spectral components of each galaxy spectrum from LAMOST, determining whether the received spectrum is the source spectrum and the composition of the entire galaxy; 2. constructing a Quality Evaluation System of galaxy spectra from LAMOST;3. researching on the feature extraction of galaxy spectra, improving old methods or propose new methods in classification of galaxy and redshift measurement;4. studying the real-time automated methods of searching for rare celestial objects(such as supernovae).

我国大科学工程郭守敬望远镜（LAMOST）已经进入先导巡天阶段，相应数据已在陆续发布中。本课题基于LAMOST光谱处理分析的需求，利用计算机技术和方法，开展海量天体光谱自动处理方面的研究，主要内容包括星系光谱的成分分析及其质量评价研究和珍稀天体目标候选体的搜寻。本课题拟利用模式识别和数据挖掘算法实现星系光谱的准确自动分类、红移的自动测量、星系组成成分分析评价以及稀有天体的搜寻，具体包括：1.针对LAMOST的星系光谱成分进行分析，确定所获光谱是否是整个星系源的光谱以及组成结构；2.构建一个星系光谱的质量评价指标体系，对LAMOST所获星系光谱进行偏心程度判定并进行质量评价和反馈；3.研究星系光谱的特征提取算法，改进或研究新的星系自动分类和红移测量算法；4.研究珍稀天体目标（目前主要针对超新星）的自动搜寻算法及其实现，并对目标进行证认和发布。

在课题研究过程中，课题组严格执行了合同研究计划，完成了合同规定的研究内容，在天体光谱数据分析与处理等天文信息处理方面取得了一系列具有重要价值的研究成果。本课题共发表学术论文16篇，其中 SCI检索论文15篇，国际会议论文1篇。主要研究简述如下：（1）恒星和星系参数测量：天体目标的科学参数对进行大样本天文学研究如宇宙学大尺度结构研究具有重要意义。其中对于LAMOST来说主要需要通过光谱数据进行测量的参数有河外天体如星系的红移和河内恒星目标的Teff、logg、Te/H，课题组相继提出了基于模板匹配的星系红移快速自动测量算法和基于质量估计等5种恒星大气物理参数自动测量方法；（2）特殊天体光谱的数据挖掘：在天文学研究中，特殊天体目标往往对于天文学理论研究和应用具有非常高的价值，而多目标巡天计划如LAMOST能够在短时间内获得海量的天体光谱数据，通过光谱信息快速的从海量数据中寻找特殊天体目标或候选体对于扩大大型观测设备的使用效率和科学产出具有极大的促进作用。本课题组提出了SKLOF、MCLOF、快速流形学习等多种算法，并将它们应用到美国SDSS和我国LAMOST数据中，搜寻获得许多新的碳星、发射线恒星、双峰发射线星系和星系核等多种类型的稀有天体目标和候选体；（3）星系光谱成分分析：在对星系成分进行分析时，需要对星系中各种恒星组成成分进行分解分析，相应就需要构建恒星模板库，我们利用LAMOST-DR1中筛选出来约100万条恒星构建了一个新的恒星模板库。同时提出了一种局部精细的天光背景扣除方法，解决了类星体中Hβ-[OIII]的宽线经常受到减天光精度干扰的问题；（4）光谱自动分类和识别：天体目标数量庞大，类型繁多，在大型巡天观测中对获取的海量数据进行精确分类识别并供天文学家研究具有极重要的意义。课题组研究了LMKNCN算法和LMKNN算法在恒星、星系和类星体的光谱自动分类中的应用。实验测试结果表明了算法能够取得比较好的分类效果，进而对天文光谱大数据的快速处理和有效利用具有重要意义；（5）组合分析理论研究：因为海量光谱数据的处理上受到计算机等硬件设备存储和计算效率的限制，在具体处理数据时往往是进行分组实施，以便取得更快的处理速度，所以课题组成员还研究了组合分析理论的内容，主要研究了不同形状图结构的Hosoya多项式的具体分析表达式及其拓扑指标，图的全局强迫数的具体分析表达式等。