基于LASSO算法的恒星α元素丰度估计方法研究

主要研究了一种新的基于LASSO算法的恒星α元素丰度估计方法。海量恒星的α元素(O,Mg,Si,Ca和Ti)丰度信息将有助于我们了解银河系的演化进程。但目前从中低分辨率光谱中确定α元素丰度的方法主要是模板匹配法,但该方法算法复杂,优化参数较为困难且对噪声敏感,因此有必要研究新的方法。实验结果显示,LASSO算法对ELODIE光谱的α丰度的估计精度为0.003(0.078)dex。为验证光谱分辨率变化对LASSO算法结果的影响,我们首先用ELODIE光谱通过高斯卷积得到了分辨率为42 000,21 000,10 500,4 200和2 100的光谱,然后使用LASSO算法估计α元素丰度,精度分别为0.003 3(0.078)dex,-0.05(0.059)dex,-0.007(0.060)dex,0.008 0(0.069)dex和-0.004 5(0.067)dex。上述结果证明LASSO算法对分辨率变化不敏感。为验证LASSO算法对信噪比变化的鲁棒性,使用ELODIE光谱分别构造了信噪比为30,25,20,15和5的光谱。LASSO算法在上述数据集上的精度分别为-0.002(0.076)dex,-0.09(0.073)dex,0.003 6(0.075)dex,0.007 6(0.078)dex和-0.009(0.08)dex,因而LASSO算法对信噪比变化不敏感。因此,LASSO算法适用于低分辨率低信噪比的LAMOST和SDSS光谱。LASSO算法在SDSS光谱上的估计精度为0.003 7(0.097)dex,而在球状星团和疏散星团成员星上的结果显示LASSO算法给出的丰度与文献给出α丰度值误差在1σ以内。因此,LASSO算法能够用于估计恒星的α元素丰度。

中低分辨率光谱的恒星大气物理参数自动提取方法

恒星大气物理参数的信息对我们研究恒星和银河系的结构和演化有重要意义。由于多目标光纤光谱仪的发展,人类获取恒星光谱的数量有了极大的增加。但由于这些光谱数量众多,天文学家快速而又精确的提取相应的恒星大气物理参数有很多困难。为此,天文学家发展了一系列新的方法提取恒星的大气物理参数。本文总结了目前主要的恒星大气物理参数估计方法,并对以后可能的重点研究方向给出了建议。