瞬变源是指：一种偶发的短暂的非周期性的天文现象。从观测上, 其持续时标从数秒到数周甚至数月。目前已知的主要瞬变源有: 超新星、伽玛暴、微引力透镜、恒星被大质量黑洞所瓦解的潮汐瓦解事件、以及最近获得观测证认的引力波事件。

瞬变源在天文观测中具有重要的意义：对于研究宇宙的起源、研究极端环境下的物理现象。例如宇宙加速膨胀现象的发现正是通过对大样本瞬变源超新星的观测研究而发现的。超新星、伽玛暴等瞬变源爆发时辐射的能量超过整个星系的光度, 这种极高能量的短时大爆发为我们研究极端物理环境下的物理现象提供了难得的观测条件。

瞬变源观测的仪器和策略：由于瞬变源是偶发天文事件, 要求瞬变源搜索的观测设备具有大视场(即单位时间内能观测到更大的天区) 和高时间采样率 (即对同一天区的高回访观测频率)的特点。随着技术的发展，观测设备在这两个方向上取得了长足的发展。我国建设中的GWAC相机阵观测视场将达5000平方度，而时间采样为15秒一幅图。该设备对于未知短时标瞬变源的搜索具有重要的意义, 同时也对传统的瞬变源搜索技术提出了巨大挑战。相对于国际主流的瞬变源搜索设备, 地基广角相机阵设备在视场和采样频率上都将提高 1 ～2 个数量级。对传统的瞬变源搜索在快速处理大数据的技术上提出挑战。

建设中的GWAC相机阵@兴隆观测站

瞬变源搜索的基本方法？将观测像（a）与历史上观测的模板图像(b)相减，最后得到残差图像(c)。图中的o1,o2为瞬变源，因为在模板中没有出现。而n1,n2为两星像相减后未完全减干净的残留物，为噪声。传统方法，利用人类的肉眼非常容易地识别出o1,o2而去除噪声点n1,n2。而对于大数据，并要求快速处理的需求来说，肉眼识别已无能为力。

现代机器学习处理技术为此问题的解决带来了希望：

1）最早的开创性工作是Bailey 等人将监督式机器学习分类技术实验性地应用于超新星工厂 (Thenearby supernova fac- tory, SNFactory) 巡天项目;

2）Bloom等人在Bailey等人的算法基础上, 开发了基于高精随机森林架构下的分类器来识别帕洛马(Palomar transient factory, PTF) 巡天项目的瞬变源;

3）Brink等人利用递归方法对Bloom 等人使用的特征参量进行了优化, 提高了分类性能；

4）duBuisson 等人基于由主成分分析法得到的特征参量对随机森林、K-近邻、支持向量机、神经网络、贝叶斯等多种算法进行综合比较。

本文提出: 基于等光度测量星像轮廓等新的 13 个特征参量取代原有的轮廓拟合参量; 使用实际星像轮廓仿真和构建较真实的训练样本算法; 加入基于实测数据分析的噪声过滤判据等方法。实现了基于随机林森算法的天文光学瞬变源自动快速识别系统。通过仿真和实测数据的测试表明：本识别系较国际主流的同类识别算法提速约十倍, 样本识别的总体正确检出率和错误检出率都基本相同, 而在低信噪比处, 本文的识别算法有较良好的表现。本识别系统已成功应用于我国的迷你地基广角相机阵 (地基广角相机阵的先导项目), 同时, 本系统对于其他天文光学瞬变源巡天项目也有着重要的应用价值。

引用格式：吴潮, 马冬, 田海俊, 李乡儒, 魏建彦. 天文瞬变源快速自动识别系统的研究与实现. 自动化学报, 2017, 43(12): 2170-2177

链接：http://html.rhhz.net/ZDHXBZWB/html/2017-12-2170.htm

作者简介：

吴  潮，中国科学院国家天文台副研究员。主要研究方向为数据挖掘与瞬变源搜索。E-mail: cwu@nao.cas.cn

马  冬，三峡大学与中国科学院国家天文台硕士研究生. 主要研究方向为数据挖掘.E-mail: md201314@yeah.net

田海俊，三峡大学理学院副教授。先后在美国、德国等知名大学或研究机构研究访学。主要研究方向为星系天文学, 天文信息学。E-mail:hjtian@lamost.org

李乡儒，华南师范大学教授，2006年毕业于中国科学院自动化研究所。主要研究方向为数据挖掘与计算机视觉。E-mail:xiangru.li@gmail.com

魏建彦，中国科学院国家天文台研究员，主要研究方向为瞬变源观测与科学。E-mail: wjy@nao.cas.cn