天文巡天中周期性探测的四种显著性度量比较研究

我们研究了 ESA 的 Gaia 任务所呈现的大规模光度或径向速度时间序列数据集中的周期性探测问题。周期性探测取决于对时间序列周期图极值的虚警概率（FAP）的估计。我们在考虑其估计问题时主要关注两个问题。首先，对于给定的观测次数和信噪比，无论观测时间模式如何，正确周期性探测的比率应对所有实现的观测节奏保持恒定，以避免难以评估的天空偏差。其次，即使对于数百万个时间序列，计算负载也应保持在可行范围内。利用 Gaia 案例，我们比较了 $F^M$ 方法（Paltani 2004, Schwarzenberg-Czerny 2012）、Baluev 方法（Baluev 2008）和 GEV 方法（S"uveges 2014），以及一种直接估计阈值的方法。其中三种方法涉及一些未知参数，这些参数是通过拟合回归型预测模型获得的，该模型使用从观测时间序列中易于获得的协变量。我们得出结论，GEV 方法和 Baluev 方法都为大规模处理所带来的问题提供了良好的解决方案。前者以适度昂贵的预处理为代价提供了最佳的科学质量。当由于某种原因无法进行此预处理时（例如计算成本过高或无法构建良好的回归模型），Baluev 方法提供了一种计算成本低廉的替代方案，但在时间采样表现出强混叠的区域存在轻微偏差。