利用稳定和方法推断多元降雨时间序列的高重现期水平

暴雨分布建模在任何与水循环相关的影响研究（如洪水风险）中至关重要。然而，同时考虑极端降雨时间性与多元性的统计分析很少见，且常需复杂的去聚类步骤以使极端降雨在时间上独立。一个自然的问题是如何在多元背景下绕过该去聚类。为此，我们引入稳定和方法（stable sums method）。我们的目标是将时间与空间的极端依赖性纳入重尾分析。为实现目标，我们基于正则变化平稳时间序列的大偏差构建方法。数值实验表明，这一新方法从两方面提升了重现期水平的推断。首先，它对时间依赖具有鲁棒性：我们在独立与相关观测上同样实施该方法；在单变量设定下，相较于需要时间去聚类的主要估计量，它提升了置信区间的精度。其次，它审慎地整合了空间依赖：在模拟中，多元稳定和方法比其分量式实现具有更小的均方误差。我们将该方法应用于推断法国国家气象站网络中每日降雨量的高重现期水平。