AbstractIn determining extreme envi

Abstract
In determining extreme environmental variables, such as wave heights, with the Peaks-Over-Threshold (POT) method, it has become common practice in the metocean community to use the GPD–Poisson model fitted by the Maximum Likelihood Estimator (MLE). However, Mazas and Hamm (2011) pointed out some difficulties in getting stable estimations of extreme quantiles with this method. Further investigation reported in the present paper enable to understand that this problem is linked to the behavior of the likelihood function and to solve it by introducing a location parameter and replacing maximum likelihood estimated two-parameter distributions by L-moments estimated three-parameter distributions. Applications on real and simulated data highlight the distinction between the location parameter of a statistical distribution and the statistical threshold chosen in the POT context. With three-parameter distributions, MLE is no more suitable and it is found that the L-moments estimator can be a valid alternative. With these two improvements, stable quantiles are obtained not only with the GPD but also with other distributions such as Weibull and Gamma (Pearson-III).

ผลลัพธ์ (ไทย) 1:

บทคัดย่อในการกำหนดตัวแปรสภาพแวดล้อมที่รุนแรง เช่นความสูงของคลื่น ด้วยวิธียอดเกินเกณฑ์ (หม้อ) มันได้กลายเป็นจารีตในชุมชน metocean ใช้รุ่น GPD – Poisson ที่ติดตั้งโดยประมาณโอกาส (MLE) สูงสุด อย่างไรก็ตาม Mazas และ Hamm (2011) ชี้ให้เห็นปัญหาในการประเมินเสถียรภาพของ quantiles มากด้วยวิธีนี้ การสืบสวนเพิ่มเติมรายงานในกระดาษช่วยให้ปัจจุบันเข้าใจว่า ปัญหานี้เชื่อมโยงกับการทำงานของฟังก์ชันความน่าเป็น และการแก้ ด้วยการแนะนำพารามิเตอร์ที่ตั้ง และเปลี่ยนความเป็นไปได้สูงสุด ประมาณสองพารามิเตอร์กระจาย โดย L ช่วงเวลาประมาณสามพารามิเตอร์การกระจาย การใช้งานจริง และจำลองข้อมูลเน้นความแตกต่างระหว่างการตั้งพารามิเตอร์ของการกระจายทางสถิติและเกณฑ์ทางสถิติที่เลือกในบริบทหม้อ มีสามพารามิเตอร์การกระจาย MLE เหมาะสมไม่มาก และพบว่า ประมาณช่วงเวลา L สามารถเป็นทางเลือกที่ถูกต้อง มีการปรับปรุงเหล่านี้สอง quantiles คงจะได้รับไม่เพียง กับ GPD แต่ยัง มีอื่น ๆ การกระจายเช่น Weibull และแกมมา (Pearson-III)

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
ในการกำหนดตัวแปรแวดล้อมที่รุนแรงเช่นความสูงของคลื่นที่มียอดกว่าเกณฑ์ (POT) วิธีการมันได้กลายเป็นปฏิบัติร่วมกันในชุมชน metocean ที่จะใช้รูปแบบ GPD-Poisson ติดตั้งโดยประมาณการภาวะน่าจะเป็นสูงสุด (MLE) อย่างไรก็ตาม Mazas และ Hamm (2011) ชี้ให้เห็นปัญหาบางอย่างในการประมาณการมั่นคงของ quantiles มากด้วยวิธีนี้ ตรวจสอบต่อไปรายงานในกระดาษในปัจจุบันช่วยให้เข้าใจว่าปัญหานี้จะเชื่อมโยงกับการทำงานของฟังก์ชั่นความน่าจะเป็นและจะแก้ปัญหาได้โดยการแนะนำพารามิเตอร์สถานที่และเปลี่ยนความน่าจะเป็นที่คาดกันกระจายสองพารามิเตอร์สูงสุดโดย L-ช่วงเวลาประมาณกระจายสามพารามิเตอร์ การประยุกต์ใช้งานกับข้อมูลจริงและจำลองเน้นความแตกต่างระหว่างพารามิเตอร์สถานที่ของการกระจายทางสถิติและเกณฑ์ทางสถิติที่ได้รับการแต่งตั้งในบริบทหม้อ กับการกระจายสามพารามิเตอร์ MLE ไม่มีความเหมาะสมมากขึ้นและพบว่า L-ช่วงเวลาประมาณสามารถเป็นทางเลือกที่ถูกต้อง กับทั้งสองปรับปรุง quantiles มั่นคงจะได้รับไม่เพียง แต่มี GPD แต่ยังมีการแจกแจงอื่น ๆ เช่น Weibull และแกมมา (เพียร์สัน-III)

ผลลัพธ์ (ไทย) 3:

บทคัดย่อในการกำหนดตัวแปรสภาพแวดล้อมที่รุนแรง เช่น ความสูงของคลื่นกับยอดเกินเกณฑ์ ( หม้อ ) , มันได้กลายเป็นหลักปฏิบัติทั่วไปในชุมชน metocean ใช้ GPD ) แบบติดตั้งโดยปัวซงประมาณการความน่าจะเป็นสูงสุด ( mle ) อย่างไรก็ตาม mazas และแฮม ( 2011 ) ชี้ให้เห็นความยากลำบากในการได้รับมีเสถียรภาพมาก quantiles ด้วยวิธีนี้ จากการศึกษารายงานในกระดาษปัจจุบันให้เข้าใจปัญหานี้เชื่อมโยงกับพฤติกรรมของฟังก์ชันความน่าจะเป็น และแก้ไข โดยการตั้งค่าพารามิเตอร์และการประมาณพารามิเตอร์การแจกแจงความน่าจะเป็นสูงสุดสองโดย l-moments ประมาณสามพารามิเตอร์การแจกแจง . ในการใช้งานจริง และข้อมูลการเน้นความแตกต่างระหว่างตำแหน่งพารามิเตอร์ของการแจกแจงทางสถิติและสถิติที่เลือกในหม้อของบริบท กับสามพารามิเตอร์การแจกแจง mle ไม่เหมาะมากขึ้น และพบว่า l-moments ประมาณการสามารถเป็นทางเลือกที่ถูกต้อง กับเหล่านี้สองการปรับปรุง quantiles มั่นคงได้ไม่เฉพาะกับ GPD แต่ยังมีวิธีอื่นๆ เช่น แบบทดสอบ และแกมมา ( ม 3 )