通過(guò)歸納經(jīng)典的統(tǒng)計(jì)模型并使其適用于分析大型數(shù)據(jù)集中的極端降雨，包括KAUST的RaphaëlHuser在內(nèi)的研究人員設(shè)計(jì)了一種更有效，更靈活的分析工具，有望改善洪水風(fēng)險(xiǎn)和其他極端天氣的預(yù)測(cè)現(xiàn)象。

罕見(jiàn)的極端天氣事件(例如洪水，極端風(fēng)，高溫和干旱)可能是災(zāi)難性的，但是預(yù)測(cè)這種情況的發(fā)生頻率和嚴(yán)重程度仍然是統(tǒng)計(jì)科學(xué)中的關(guān)鍵挑戰(zhàn)之一。即使是范圍廣泛的大型長(zhǎng)期數(shù)據(jù)集，也可能包含很少的極端事件，這使得準(zhǔn)確預(yù)測(cè)未來(lái)事件異常困難。

“傳統(tǒng)上，有兩種方法可以對(duì)極端事件進(jìn)行建模：“最大塊”方法，即我們查看時(shí)間段內(nèi)最大的事件;以及“閾值超出”方法，該方法選擇了整個(gè)事件框架中事件百分比最高的事件Huser解釋說(shuō)，他與美國(guó)同事Gregory Bopp和Benjamin Shaby共同進(jìn)行了這項(xiàng)工作。“先前的工作已經(jīng)開(kāi)發(fā)出新的工具來(lái)應(yīng)用閾值超過(guò)法;在這項(xiàng)研究中，我們推廣了適用于極端降水的經(jīng)典塊最大模型。”

極值最大值方法在極端情況統(tǒng)計(jì)中具有悠久的傳統(tǒng)，但是它具有很高的計(jì)算成本，將其應(yīng)用限制在現(xiàn)在通常在天氣預(yù)報(bào)中獲取的大規(guī)模數(shù)據(jù)集上。隨著事件變得更加極端，這種方法也無(wú)法捕獲觀察到的對(duì)附近條件之間依賴性的減弱。

團(tuán)隊(duì)的方法通過(guò)使用貝葉斯推理來(lái)適應(yīng)相對(duì)不靈活但計(jì)算效率高，最大穩(wěn)定的模型來(lái)解決這兩個(gè)缺點(diǎn)，這是一種統(tǒng)計(jì)估計(jì)方法，它提供了一種自然的方式來(lái)整合專家意見(jiàn)并考慮各種可變性來(lái)源。

Huser說(shuō)：“我們的貝葉斯模型具有很多參數(shù)和隱藏的隨機(jī)效應(yīng)，需要共同估算。”“除了計(jì)算上的挑戰(zhàn)之外，簡(jiǎn)單地開(kāi)發(fā)模型本身并推導(dǎo)其理論特性是一個(gè)重大挑戰(zhàn)。經(jīng)典的最大穩(wěn)定模型已經(jīng)被廣泛使用了很長(zhǎng)時(shí)間了，這是有原因的-將它們推廣并提出并不容易具有更現(xiàn)實(shí)，更靈活的模型。”

該模型能夠捕獲在美國(guó)東北部沿海和山脈邊界發(fā)生的極端降水事件中觀察到的模式，證明了其預(yù)測(cè)洪水風(fēng)險(xiǎn)的潛力。

Huser指出：“我們的模型還可以輕松地適應(yīng)其他類型的環(huán)境數(shù)據(jù)集，例如風(fēng)和溫度，具有廣泛的適用性。”