Space–Time Modelling of Extreme Events
极端事件的时空建模AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确处理时空序列的时间依赖、混合条件和分块自助法，应用为逐小时降雨。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
极端事件的时空建模
- 研究问题
- 如何用最大稳定过程描述时空极端事件，并在时空依赖存在时估计高阈值极端观测的模型参数与不确定性？
- 方法与思路
- 作者采用成对删失似然进行估计，用分块自助法评估不确定性，并将Schlather模型的扩展拟合于逐小时降雨数据。
- 材料陈述的贡献
- 摘要称，估计在较弱混合条件下具有一致性，并讨论成对选择与效率；所提模型在降雨应用中优于部分自然竞争模型。
- 阅读关注点
- 应核对最大稳定模型与阈值数据的衔接、混合条件、阈值和观测对选择，以及分块方案和拟合比较使用的标准。
- 阅读边界
- 仅据所给Crossref摘要；具体混合条件、阈值选择及拟合差异数值未提供，降雨应用中的比较不能推广为一般优越性或金融风险结论。
原文摘要
Summary Max-stable processes are the natural analogues of the generalized extreme value distribution when modelling extreme events in space and time. Under suitable conditions, these processes are asymptotically justified models for maxima of independent replications of random fields, and they are also suitable for the modelling of extreme measurements over high thresholds. The paper shows how a pairwise censored likelihood can be used for consistent estimation of the extremes of space–time data under mild mixing conditions and illustrates this by fitting an extension of a model due to Schlather to hourly rainfall data. A block bootstrap procedure is used for uncertainty assessment. Estimator efficiency is considered and the choice of pairs to be included in the pairwise likelihood is discussed. The model proposed fits the data better than some natural competitors.