2018年7月9日，宾夕法尼亚州立大学天文系和统计系Eric D. Feigelson教授访问紫金山天文台，并在仙林园区3号楼302会议室做了题为“ARIMA, TCF and RF: A new statistical approach to exoplanet transit detection”的学术报告，天文学院副院长吴雪峰研究员主持了本次报告。 

　　Eric D. Feigelson是宾夕法尼亚州立大学天文系和统计系教授，从事天文统计工作已有30多年，大力推动了天文统计学的发展和应用，和统计学教授G. JogeshBabu共同努力在宾夕法尼亚州立大学成立了天文统计学中心，是国际上第一个致力于天文统计学的机构。 

　　Eric D. Feigelson 教授2012年推动成立了国际天文联合会（IAU）天文信息与天文统计工作组，并担任主席；2015年推动成立了国际天文联合会天文信息与天文统计委员会，并担任主席；2016年获国际天文统计学会（IAA）“天文统计突出贡献奖”，并入选IAA Elected Fellow。此外，他还担任美国天文学会学术期刊的首位统计科学编辑，并著有天文统计专著《面向天文学的现代统计方法与R应用》(2012)。 

　　Eric D. Feigelson 教授在讲座中阐述了基于参数自回归模型分析鉴别系外行星统计方法。利用针对掩星的测光巡天数据，天文学家已经成功地捕捉到了很多系外行星候选体。然而，如何对非高斯噪声进行有效处理，依然是制约掩星探测方法的主要因素。这些非高斯噪音的来源，对空间望远镜（如Kepler，Corot，TESS）而言主要是太阳的电磁活动，对地基望远镜（如WASP，HAT，AST3－1）而言则主要是大气的干扰。为了清除这部分占主导地位的噪声，通常主流的做法是采用非参数化处理技术。而Eric D. Feigelson教授的研究表明，参数化的自回归 ARIMA模型通常能更加有效地压制噪声、提取信号。Eric D. Feigelson教授在报告中主要介绍了：（1）通过拟合ARIMA模型来降低自相关噪声；（2）构建掩星滤波器，在ARIMA的残差里搜寻周期性掩星信号；（3）利用随机森林分类器来降低误报率。这种方法已经在Kepler数据上成功地辨认出了额外的几十颗系外行星候选体。相对而言，该方法能够发现更短周期的掩星事例，因此特别适合应用于HAT-S及AST3-1（中国南极巡天望远镜）之类的短间隔巡天望远镜数据。ARIMA模型分析也可以应用于研究其它的自相关天文现象，比如恒星的周期活动或是由吸积引起的光变系统等。 

　　Eric D. Feigelson教授的精彩报告结束后，与参加报告的我台和南京大学师生进行了问答交流。在场的很多青年学者和研究生都表示受益匪浅，学到了新的知识。Eric D. Feigelson教授此行还将作为主讲人，参加由东亚核心天文台、中科院国家天文台、紫金山天文台联合举办的第二届东亚天文统计学国际会议“天文统计学与R语言”，该会议旨在提高和培训天文学者的统计水平和R语言编程技巧，促进东亚天文学者在天文统计学、大数据等领域的合作和交流。 　  

（撰稿：刘怡，摄影：耿超）

现场视频