2018年7月9日，美国宾夕法尼亚州立大学天文学系和统计系Eric D. Feigelson教授访问紫金山天文台，并在紫金山天文台302会议室做了题为“ARIMA, TCF and RF: A new statistic”的讲座，仙林园3号楼系外行星凌日探测途径”，天文学院副院长吴雪峰研究员主持本次报告会。

埃里克·费格尔森 (Eric D. Feigelson) 是宾夕法尼亚州立大学天文学与统计学系教授。 从事天文统计工作30余年，大力推动天文统计的发展和应用。 他与统计学教授G. JogeshBabu共同建立的天文学与统计学中心是第一个致力于天文学与统计学的国际机构。

Eric D. Feigelson教授于2012年推动成立国际天文学联合会（IAU）天文信息和天文统计工作组并担任主席； 2015年，推动成立国际天文学联合会天文信息和天文统计委员会并担任主席； 2016年荣获国际天文学与统计协会（IAA）“天文统计杰出贡献奖”，并当选IAA当选院士。 此外，他还担任美国天文学会学术期刊首位统计科学编辑，并撰写了天文统计专着《天文学的现代统计方法和R应用》（2012年）。

Eric D. Feigelson教授在讲座中讲解了基于参数自回归模型分析识别系外行星的统计方法。 天文学家利用掩星光度测量数据成功捕获了许多系外行星候选者。 然而，如何有效处理非高斯噪声仍然是制约掩星检测方法的主要因素。 这些非高斯噪声的来源对于太空望远镜（如开普勒、柯罗、TESS）来说主要是太阳的电磁活动，对于地基望远镜（如WASP、HAT、AST3-1）主要是大气干扰。 ）。 为了去除这部分噪声的主导部分，通常的主流方法是使用非参数处理技术。 Eric D. Feigelson教授的研究表明，参数化自回归ARIMA模型通常可以更有效地抑制噪声并提取信号。 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)构建掩星滤波器来搜索ARIMA残差中的周期性掩星信号； (3) ) 使用随机森林分类器来降低误报率。 该方法已成功根据开普勒数据识别出数十个其他系外行星候选者。 相对而言，该方法可以探测到周期较短的掩星事件，因此特别适合应用于HAT-S和AST3-1（中国南极考察望远镜）等短间隔观测望远镜的数据。 ARIMA模型分析还可用于研究其他自相关天文现象，例如恒星的周期性活动或吸积引起的光变系统。

Eric D. Feigelson教授精彩报告结束后，与我站和南京大学参与报告的师生进行了问答交流。 在场的不少青年学者和研究生纷纷表示受益匪浅，学到了新知识。 Eric D. Feigelson教授此行还将作为主讲人，参加由东亚核心天文台、中国科学院国家天文台联合举办的第二届东亚天文统计与R语言国际会议科学和紫金山天文台。 会议的目的是提高和培训天文学家的统计水平和R语言编程技能，促进东亚天文学家在天文统计、大数据等领域的合作与交流。

（撰稿：刘毅 摄影：耿超）

现场视频