Stability Analysis and Local Influence Diagnostics for an Extreme-Value Regression Model of Anomalous Wind Gusts
异常阵风极值回归模型的稳定性与局部影响诊断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究自然灾害极值回归的影响诊断，未涉及金融尾部风险，也未明确提出时间序列计量方法，故不归入所列方向。
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…
异常阵风极值回归模型的稳定性与局部影响诊断
- 研究问题
- 在异常阵风的极值回归中，哪些观测会过度影响拟合参数，如何诊断模型稳定性并量化单次极端事件的影响？
- 方法与思路
- 作者针对极值 Birnbaum–Saunders 回归，利用对数似然的共形法曲率及其特征值、特征向量构造局部影响诊断。
- 材料陈述的贡献
- 摘要称该诊断经模拟展示，并在巴西伊塔雅伊阵风序列中识别出造成损害的严重事件，量化其对拟合模型的影响。
- 阅读关注点
- 应核对局部扰动的具体形式、曲率标准化、影响判定阈值，以及阵风序列依赖和分布误设是否影响诊断结果。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收状态未核实；摘要未提供诊断阈值或量化数值，识别高影响点也不意味着应删除该观测。
原文摘要
Extreme events in complex physical systems, such as anomalous wind gusts, often cause significant material and human damage. Their modeling is crucial for risk assessment and understanding the underlying dynamics. In this work, we introduce a local influence analysis to assess the stability of a class of extreme-value Birnbaum-Saunders regression models, which are particularly suited for analyzing such data. The proposed approach uses the conformal normal curvature (CNC) of the log-likelihood function to diagnose the influence of individual observations on the postulated model. By examining the eigenvalues and eigenvectors associated with the CNC, we identify influential data points-physical events that disproportionately affect the model's parameters. We illustrate the methodology through a simulation study and apply it to a time series of wind gust data from Itajai, Brazil, where a severe event caused multiple damages and casualties. Our approach successfully pinpoints this specific event as a highly influential observation and quantifies its impact on the fitted model. This work provides a valuable diagnostic tool for physicists and data scientists working with extreme-value models of complex natural phenomena.