RR Lyrae 近红外光变曲线的数据驱动研究：主成分分析、稳健拟合与金属丰度估计

RR Lyrae 变星被广泛用作银河系晕结构与运动学的示踪体，但它们也可用于约束银河系核球中古老恒星族的分布。为改进其近红外测光表征，我们利用机器学习方法研究其近红外光变曲线，以及光变曲线与金属丰度之间的经验关系。我们引入了一种新的稳健方法，通过利用从训练集光变曲线的主成分（PC）分析中获得的前几个主成分作为基向量，来估计 RR Lyrae 变星在 $K_\mathrm{S}$ 波段的光变曲线形状，进而得到其平均星等。此外，我们利用这些主成分的振幅来预测每颗星在 $J$ 波段的光变曲线形状，使我们能够精确确定其平均星等（进而得到颜色），即使在仅有一个 $J$ 波段测量值的情况下也是如此。最后，我们证明 RR Lyrae 变星的 $K_\mathrm{S}$ 波段光变曲线参数与周期一起，能够以约 $0.2 - 0.25$ dex 的精度估计单颗恒星的金属丰度，从而为含 RR Lyrae 变星的古老恒星族提供有价值的化学信息。本文提出的方法可直接推广到其他类型变星、波段或其他物理量的估计。