[论文解读] A parsimonious tail compliant multiscale statistical model for aggregated rainfall

Pierre Ailliot, Carlo Gaetan+1 more|arXiv (Cornell University)|Jan 13, 2026

Hydrology and Drought Analysis被引用 0

一句话总结

该论文基于扩展广义帕累托分布（EGPD）和复合泊松和，提出一种简约的多尺度降雨模型，使不同聚合尺度下的 IDF 型曲线保持一致且避免返回水平交叉。

ABSTRACT

Modeling rainfall intensity distributions across aggregation scales (from sub-hourly to weekly) is essential for hydrological risk analysis and IDF curves. Aggregation naturally imposes mathematical constraints: return levels must be ordered by time scale, as daily accumulations necessarily exceed sub-daily ones. From a statistical perspective, each aggregation step should ideally not require additional parameters, yet parsimonious models describing the full distribution remain scarce, as most literature focuses on seasonal block maxima. In this study, we propose a parsimonious framework to model all rainfall intensities (low to large) across scales. We utilize the Extended Generalized Pareto Distribution (EGPD), which aligns with extreme value theory for both tails while remaining flexible for the bulk of the distribution. We establish a general result on the behavior of EGPD variables under various aggregation procedures. To overcome the difficulty of direct likelihood inference, we link the EGPD class to Poisson compound sums. This allows the use of the Panjer algorithm for efficient composite likelihood evaluation. Our approach ensures that return levels do not cross across scales and enables estimation for return periods below annual or seasonal levels. We demonstrate the method using sub-hourly series from six French stations with diverse climates. Only eight parameters are needed per station to capture scales from six minutes to three days. IDF curves above and below the annual scale are provided.

研究动机与目标

• 在子小时到日尺度之间，说明需要对降雨强度进行一致的分布建模的动机。
• 提出基于 EGPD 的框架，在聚合下保持尾部行为，同时参数保持简约。
• 将 EGPD 与复合泊松和联系起来，以便通过 Panjer 递推实现高效的似然推断。
• 提供实际的估计策略，并将该方法应用于六个法国降雨站的八月九月数据。

提出的方法

• 将尺度 d 的聚合正降雨建模为 A_d ~ EGPD(σ_d, κ, ξ, λ_d)，其中 σ_d 和 λ_d 随 d 增大，κ、ξ 固定。
• 将聚合表示为复合泊松-EGPD：N 个独立同分布的 EGPD(σ, κ, ξ, B) 变量之和，得到 B(u)=u 时的 EGPD(σ, κ, ξ, λ)。
• 推导在将 EGPD 变量相加并变换后，和 T(Y) 仍为 EGPD 的条件，以保持尾部形状（κ、ξ）。
• 将 σ_d 和 λ_d 参数化为 log 多项式在 log d 上，以在不同尺度之间实现非交叉的返回水平（定理3.1）。
• 通过在有代表性的聚合尺度上最大化组合似然来估计参数，使用 Panjer 递推实现高效的密度评估。

实验结果

研究问题

• RQ1 在聚合跨尺度时，尾部和主体属性如何变化，同时保持关键尾部参数？
• RQ2 是否存在一个固定 κ 和 ξ 的简约 EGPD 基模型，能够捕捉多尺度聚合降雨的完整分布（不仅是极值）？
• RQ3 σ_d 与 λ_d 应如何随 d 变化，以确保非交叉的返回水平和现实的 IDF 型曲线？
• RQ4 是否可以通过 Panjer 递推为实际降雨数据提供一个计算高效的复合泊松-EGPD 推断框架？
• RQ5 该模型在不同气候背景与持续时间下对观测降雨的拟合程度如何？

主要发现

• 复合泊松-EGPD 框架给出聚合降雨的 EGPD 分布，在聚合下保留上尾行为。
• 当 B(u)=u 且聚合尺度为 d 时，模型在不同尺度保持 ξ 和 κ 不变，而 σ_d 与 λ_d 增大。
• 将 log σ_d 与 log λ_d 参数化为 log d 的对数多项式，提供非交叉的返回水平和在不同持续时间上的现实 IDF 曲线。
• 应用于六个法国站时，ξ 在 [0.15,0.35]，κ 在 (0.2,0.45)；σ_d 与 λ_d 随 d 增大，符合尺度与事件率的物理解释。
• 该模型在 30 分钟到 3 天的聚合尺度上拟合较好，对更细尺度的极值有低估、对某些较大尺度的极值有部分过估。