摘要。空间极端的环境数据科学传统上严重依赖最大稳定过程。尽管这些模型的受欢迎程度可能与统计学家达到顶峰,但在许多应用领域中,他们仍然被认为并被视为“最先进”。然而,尽管支持最大稳定过程的渐近理论在数学上是严格且全面的,但我们认为在环境应用中,它在环境应用中也已被过度使用(即使不是滥用),以损害更有目的和经过验证的模型。在本文中,我们回顾了最大过程模型的主要局限性,并强烈反对它们在环境研究中的系统使用。讨论了基于更灵活的框架的替代解决方案 - 讨论了超过适当选择的高阈值的变量的超出作品,并提供了对未来研究的前景,突出了前进的建议,并与极值统计数据一起杂交机器学习提供了机会。
主要关键词
![arxiv:2401.17430v1 [stat.me] 2024年1月30日PDF文件第1页](/bimg/0/0d5c005ade24a03e42c9c6cc0a45a18726ddda1c.webp)
![arxiv:2401.17430v1 [stat.me] 2024年1月30日PDF文件第2页](/bimg/2/222a874c3d9b80356eb3f150b3a4faf8c6fd77ba.webp)
![arxiv:2401.17430v1 [stat.me] 2024年1月30日PDF文件第3页](/bimg/0/077e71833786a2f4e37318162d60583c21f34cbe.webp)
![arxiv:2401.17430v1 [stat.me] 2024年1月30日PDF文件第4页](/bimg/5/5b35cba21f205d3c074bf4605e7445ff5c349425.webp)
![arxiv:2401.17430v1 [stat.me] 2024年1月30日PDF文件第5页](/bimg/3/3544120d5f88a6f2dced9801b1a8c7fd7c7d3700.webp)
