《LAMOST M型星光譜自動處理方法的研究》是依託山東大學，由衣振萍擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：LAMOST M型星光譜自動處理方法的研究
- 項目類別：青年科學基金項目
- 項目負責人：衣振萍
- 依託單位：山東大學
中文摘要,結題摘要,
中文摘要
M矮星是銀河系的主要構成成分，具有漫長而穩定的主序壽命，適宜用來開展銀河系的結構和演化的研究。LAMOST已經積累了M矮星光譜大樣本，獲得準確可靠的光譜參數是開展相關科學研究的首要任務。本課題採用機器學習和數據挖掘算法自動處理LAMOST 1D Pipeline分類為M型的光譜，輸出可靠完備的參數星表。研究內容包括：（1）利用離群點挖掘方法去除樣本中少量的其他光譜型光譜和流量異常光譜（2）對樣本中的M巨星、M亞矮星以及M矮星進行識別和標識（3）研究基於最優特徵子集的抗噪聲方法，用來計算光譜參數；對重要的參數給出可靠性估計。（4）對算法並行化編程，形成高效的M型星光譜自動處理軟體系統。課題成果能為相關科學研究在選擇純淨的樣本、獲得可靠的參數方面提供便利；研究中對大量M型星光譜的挖掘和特徵分析有利於發現隱含的模式，加深對M型星的認識。
結題摘要
本課題在現有的LAMOST M矮星參數測量方法的基礎上，研究運用機器學習、數據挖掘的算法，自動處理LAMOST pipeline分類為M的光譜，識別、排除非M型星光譜、M巨星光譜、M亞矮星光譜，獲得較純淨的M矮星樣本，並給出準確的光譜型、視向速度、各種分子帶和原子線指數、磁活動強度等參數。研究結果包括：（1）研究對比了模板匹配、SVM、Random Forest、XGBoost、LightGBM、CNN及Wide&Deep等方法套用在光譜型分類和光度級分類上的效果，獲得了分類準確率高的模型。（2）研究並掌握了M巨星和M亞矮星光譜的特徵識別方法、特徵重要性量化的方法。（3）得到具有較強抗噪聲能力的、準確率高的光譜型和視向速度測量方法。（4）編制了一套自動處理LAMOST M型星光譜、獲得參數的軟體系統。（5）發表SCI和EI論文共10篇。該課題的研究成果以及編制的軟體系統對於下一步測量M矮星的大氣參數、M矮星的空間運動參數，從而構建M矮星的完備參數星表奠定了基礎。
