现在国际上的大口径兼大视场望远镜有美国的Sloan数字巡天望远镜,英澳天文台的2dF巡天望远镜,我国的LAMOST巡天望远镜等。它们将得到海量的光谱数据。通过观测获得恒星的光谱,不仅能够确定其大气参数和空间分布,还能够结合年龄和运动学信息,得到银河系不同星族的大气参数,从而为银河系的形成、结构和演化模型提供准确的约束条件。将恒星演化模型与观测结果进行对比,还能有效地追踪银河系自形成以来的演化历史、理解核合成理论,并且对现有的宇宙模型作出检验,促使人们对宇宙演化有更新的认识。恒星大气参数分析是探索恒星、银河系、甚至宇宙演化的一种基本途径。如此海量的光谱数据对光谱的快速有效处理提出了更高的要求。恒星大气物理参数(有效温度、表面重力、化学丰度)是导致恒星光谱差异的主要因素。恒星大气物理参数的自动测量是LAMOST等大规模巡天望远镜所产生的海量天体光谱数据自动处理中一个重要研究内容。Lick指数是一个相对较宽的光谱特性,以每个线指数最突出的吸收线命名。这种指数可以忽略流量的校正和红移的错误并对具有更高的信噪比S/N,这让Lick线指数成为了测量大气物理参数的一种理想方法。本课题利用Lick线指数,根据光谱的海量特点,分别通过线性回归、人工神经网络、支持向量机的方法来设计大气物理参数测量的高效算法。该方法首先对Kurucz训练数据进行筛选,然后利用三种算法对其进行训练,找到最佳模型。最后与DR8测试数据的相应参数进行对比测试。结果表明,该方法能有效准确地从低分辨率光谱中测定恒星大气物理参数。实验结果证明,与目前的方法相比,该方法能够有效地估计恒星大气参数且速度更快,准确度更高。总的来说,利用Lick线指数来进行大气物理参数的预测是具有可行性的。对于本文中的三种算法模型有待于进行进一步的研究,使其达到一个更好的拟合效果,从而可以将该算法更好的应用于像LAMOST一样的巡天项目中去。