主要研究了一种新的基于ELM算法的中低分辨光谱的恒星Mg元素丰度估计方法。 大科学工程郭守敬望远镜(LAMOST)为我们提供了海量的中低分辨率的光谱, 确定这些光谱的Mg元素丰度将有助于我们深入了解银河系的形成历史和演化过程。 目前从中低分辨率光谱中确定Mg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, ELM算法对MILES光谱的Mg丰度的估计的精度为0.009 9(0.15)dex, 而对信噪比大于50的LAMOST光谱的精度为0.002 7(0.11)dex。 通过与其他算法进行对比, 证实ELM算法是一种能精确估计中低分辨率光谱的Mg元素丰度的算法, 能够应用于LAMOST后期的光谱数据中。

应用中国科学院云南天文台丽江天文观测站1.8 m望远镜及其折轴光谱仪, 对18颗近太阳样本恒星进行了高色散光谱观测, 获得这些恒星高质量的高色散光谱。 表明原中国科学院国家天文台兴隆观测站2.16 m折轴光谱仪搬迁、 改造获得成功, 达到并超过了预期的效果。 以丽江天文观测站1.8 m望远镜及其折轴光谱仪观测获得的高质量的高色散光谱为基础, 应用高斯拟合方法测量了样本中17颗年轻类太阳恒星锂吸收线的等值宽度, 并计算了锂元素丰度。 应用Hall给出的经验公式, 计算了这些年轻恒星的Ca ⅡΗ和Κ(λ=395.0 nm)辐射强度。 讨论了锂元素丰度和表明恒星色球活动的Ca H和K线辐射强度之间的关系。 发现锂元素丰度值高的年轻恒星, 其Ca H和K线辐射更强。 考虑到恒星自转速度随恒星年龄的变化, 小质量主序前恒星随着恒星年龄的增加, 自转明显的加快; 主序恒星随着恒星年龄的增加, 自转逐渐变慢。 我们的结果支持恒星自转越快, 其活动性也就越强, 以及色球活动较强的恒星具有高的锂元素丰度值。

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。