通過歸納經(jīng)典的統(tǒng)計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在內的研究人員設計了一種更有效，更靈活的分析工具，有望改善洪水風險和其他極端天氣的預測現(xiàn)象。

罕見的極端天氣事件(例如洪水，極端風，高溫和干旱)可能是災難性的，但是預測這種情況的發(fā)生頻率和嚴重程度仍然是統(tǒng)計科學中的關鍵挑戰(zhàn)之一。即使是范圍廣泛的大型長期數(shù)據(jù)集，也可能包含很少的極端事件，這使得準確預測未來事件異常困難。

“傳統(tǒng)上，有兩種方法可以對極端事件進行建模：“最大塊”方法，即我們查看時間段內最大的事件;以及“閾值超出”方法，該方法選擇了整個事件框架中事件百分比最高的事件Huser解釋說，他與美國同事Gregory Bopp和Benjamin Shaby共同進行了這項工作。“先前的工作已經(jīng)開發(fā)出新的工具來應用閾值超過法;在這項研究中，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)計中具有悠久的傳統(tǒng)，但是它具有很高的計算成本，將其應用限制在現(xiàn)在通常在天氣預報中獲取的大規(guī)模數(shù)據(jù)集上。隨著事件變得更加極端，這種方法也無法捕獲觀察到的對附近條件之間依賴性的減弱。

團隊的方法通過使用貝葉斯推理來適應相對不靈活但計算效率高，最大穩(wěn)定的模型來解決這兩個缺點，這是一種統(tǒng)計估計方法，它提供了一種自然的方式來整合專家意見并考慮各種可變性來源。

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

該模型能夠捕獲在美國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，證明了其預測洪水風險的潛力。

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