@MASTERSTHESIS{ 2025:1375541739,
 	title = {“Caracterização de Estrelas Hospedeiras de Exoplanetas com base em Dados dos Levantamentos J-PLUS e S-PLUS”},
 	year = {2025},
 	url = "http://localhost:8080/tede/handle/tede/205",
 	abstract = "Desde a descoberta do primeiro exoplaneta em 1995, orbitando uma estrela do tipo solar, mais de 5.867 exoplanetas foram identificados, segundo o NASA Exoplanet Archive. Sabendo que os parâmetros planetários dependem diretamente dos parâmetros estelares, este trabalho teve como objetivo aprimorar a caracterização de estrelas hospedeiras de exoplanetas observadas pelos levantamentos fotométricos J-PLUS e S-PLUS, utilizando técnicas de aprendizado de máquina, com foco nos algoritmos Random Forest e XGBoost. Foram utilizados nos treinamentos dos modelos dados fotométricos dos 12 filtros ópticos do J-PLUS e S-PLUS em conjunto com os levantamentos LAMOST e APOGEE, para prever os parâmetros como temperatura efetiva (Tef), gravidade superficial (log g) e metalicidade ([Fe/H]). Os modelos foram aplicados nas estrelas hospedeiras presentes nos catálogos das missões Kepler e TESS e do Espectrógrafo HARPS. Os resultados encontrados destacaram a eficácia do Random Forest, que apresentou maior precisão do que o XGBoost, principalmente para Tef e log g. A significativa redução nos erros, quando comparados aos valores da literatura, reafirma a viabilidade de combinar aprendizado de máquina com um sistema fotométrico que utiliza filtros de banda larga, intermediária e estreita para obter estimativas precisas de parâmetros estelares. Além da previsão dos parâmetros, foram derivadas propriedades fundamentais das estrelas, como luminosidade, magnitude absoluta, magnitude bolométrica, massas e raios estelares. Esses resultados foram utilizados para caracterizar exoplanetas que possuem valores de trânsito planetário presentes nos catálogos do Kepler e do TESS em campos comuns com os do J-PLUS e S-PLUS. Este estudo demonstra que as técnicas de aprendizado de máquina não apenas melhoram a caracterização das estrelas hospedeiras, mas também abrem novas possibilidades para identificar exoplanetas e outros objetos de interesse, como binárias eclipsantes e anãs marrons. Por fim, os resultados encontrados são promissores para análises futuras, especialmente com a aplicação desta metodologia em outros levantamentos, como o J-PAS, que possui um maior número de filtros e potencial para resultados ainda mais precisos.",
 	publisher = {Observatorio Nacional},
 	scholl = {Programa de Pós-Graduação em Astronomia},
 	note = {Divisão de Programas de Pós-Graduação - DIPPG}
}