利用d4PDF数据对日本极端风速数据进行广义极值分布的稳健拟合：一个案例研究

《Environmental and Ecological Statistics》：Robust fitting of generalized extreme value distribution for extreme wind speeds: a case study using d4PDF data in Japan

该研究提出基于概率积分变换统计量（PIT）的广义极值分布（GEV）参数估计方法，有效抑制异常值影响。通过效率评估、得分函数稳健性和崩溃点分析，证明PIT在数据变异显著和异常值污染场景下性能优于传统方法。基于日本d4PDF数据库（含历史与4°C变暖情景未来风速数据），结合块极大值法构建GEV模型，完成百年尺度（5/10/50/100年）返回水平估计，为抗灾基础设施规划提供量化依据。

　　

摘要

本研究提出了一种用于广义极值（GEV）分布参数估计的鲁棒技术，该技术利用了概率积分变换统计方法。这种估计器旨在提高对异常值的抵抗能力，因为在极值分析中异常值是常见现象。我们通过评估其效率指标、通过得分函数体现的鲁棒性以及破坏点来检验概率积分变换估计器（PITE）的性能。这表明它能够有效处理受异常值影响较小的极端数据集。此外，PITE在计算上较为简单，便于在实际应用中使用。蒙特卡洛模拟的结果显示，与传统方法相比，PITE在数据变异性较大或数据存在污染的情况下表现出色，使其成为建模极值的可行替代方案。将PITE与块最大值方法结合使用，GEV模型能够有效捕捉日本极端风速的分布特征。该方法被应用于分析用于未来气候变化政策决策的风速数据（d4PDF），该数据包括该地区的历史记录和未来预测（4°C全球变暖情景）。这一分析还扩展到了回归水平估计，为预测日本极端风速的强度提供了关键见解。回归水平估计量化了每5年、10年、50年和100年可能被超过的风速，为基础设施规划和风险评估提供了重要数据。通过分析历史和未来的d4PDF数据集，该方法可以比较过去和预测的风速极值。对于日本这些容易受到严重气象事件影响的地区而言，这些见解至关重要，有助于它们更好地应对未来的极端风速情况。

本研究提出了一种用于广义极值（GEV）分布参数估计的鲁棒技术，该技术利用了概率积分变换统计方法。这种估计器旨在提高对异常值的抵抗能力，因为在极值分析中异常值是常见现象。我们通过评估其效率指标、通过得分函数体现的鲁棒性以及破坏点来检验概率积分变换估计器（PITE）的性能。这表明它能够有效处理受异常值影响较小的极端数据集。此外，PITE在计算上较为简单，便于在实际应用中使用。蒙特卡洛模拟的结果显示，与传统方法相比，PITE在数据变异性较大或数据存在污染的情况下表现出色，使其成为建模极值的可行替代方案。将PITE与块最大值方法结合使用，GEV模型能够有效捕捉日本极端风速的分布特征。该方法被应用于分析用于未来气候变化政策决策的风速数据（d4PDF），该数据包括该地区的历史记录和未来预测（4°C全球变暖情景）。这一分析还扩展到了回归水平估计，为预测日本极端风速的强度提供了关键见解。回归水平估计量化了每5年、10年、50年和100年可能被超过的风速，为基础设施规划和风险评估提供了重要数据。通过分析历史和未来的d4PDF数据集，该方法可以比较过去和预测的风速极值。这些见解对于日本这些容易受到严重气象事件影响的地区而言至关重要，有助于它们更好地应对未来的极端风速情况。