随着现代天文观测技术的发展，天文瞬变源的巡天观测与研究成为了国际天文领域中的前沿课题之一。我国正在兴建中的GWAC（地基广角相机阵）是国家空间科学天文卫星SVOM的地基观测系统，具有大视场和高时间采样率的特点，它的科学目标之一即为光学瞬变源的搜寻（包括伽马暴）。该科学目标对GWAC数据实时处理的速度提出了严峻的挑战，本文主要从瞬变源的自动快速识别和瞬变源的实时交叉证认两方面出发，初步实现了GWAC快速实时的数据处理的需求。　　本研究主要内容包括：⑴瞬变源的自动快速识别。为了从残差图像上的噪声源当中识别出稀有的瞬变源，本文使用了机器学习中的监督式分类技术随机森林算法。在训练分类模型之前，需要对瞬变源的特征进行准确表达，目前国际上主流的表达方式是通过点扩散函数（point-spread function, PSF）对星像的外形轮廓进行拟合，以此来提取用于构建分类模型的特征参量，但这对于在数据处理时间上要求更高的GWAC来说，很难满足其需求。为此本文提出了等光度测量的特征表达方法，试图加快分类模型识别瞬变源的速度。基于等光度测量法，本文实现了对星像轮廓特征的另一种准确描述，在此基础上从实际星像轮廓仿真构建的训练样本中提取的特征参量训练出来的分类模型不仅与国际主流分类模型具有基本相同的正确识别率，而且数据处理速度也获得显著提升，每幅图像的瞬变源识别时间为6.9秒左右，完全满足了GWAC在15秒之内完成数据快速处理的需求。除此之外，由于瞬变源是天文观测中的相对稀有事件，为了遵循宁多勿漏的原则，在构建训练样本时使用了较低信噪比的瞬变源数据，该策略不可避免会给瞬变源的识别结果带来一些噪声，本文对此加入了自动过滤判断条件，在不遗漏的情况下提升了瞬变源识别结果的纯度。⑵瞬变源的实时交叉证认。通过上述瞬变源的自动快速识别，得到的瞬变源候选体均处于孤立状态，即不同时间观测的属于同一目标源的候选体处于彼此互不关联的状态。为进一步对候选体进行归类操作和详细地筛选与证认，提出了基于 Web开发框架的Django平台实现后台数据库管理和前端网页交互展示功能的光学瞬变源证认系统的设计方案。该方案主要解决了对瞬变源候选体的实时归类和初步分类，实现了时序数据的交叉证认、光变数据的二维散点图展示、以及与已知多个类型天体星表的交叉证认等功能，同时也给天文学家提供了人机交互界面，通过人工查看诸如与星表的交叉证认信息、光变曲线、证认图（观测图像、模板图像和残差图像）等多方面的辅助信息来确认要进行后继观测的瞬变源候选体目标。