基于Dirichlet过程的空间极值模型参数估计方法研究及其在降水极值分布的应用
| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文研究的主要内容、目标与方法 | 第17-19页 |
| 第二章 理论基础 | 第19-29页 |
| 2.1 极值理论 | 第19-22页 |
| 2.1.1 GPD的定义 | 第19-21页 |
| 2.1.2 GPD分位数的估计 | 第21-22页 |
| 2.1.3 GPD的尾部厚度与形状参数的关系 | 第22页 |
| 2.1.4 厚尾分布的诊断 | 第22页 |
| 2.2 贝叶斯定理 | 第22-24页 |
| 2.3 基于MCMC抽样算法的贝叶斯推断流程 | 第24-27页 |
| 2.3.1 基于MCMC的先验选择 | 第24-25页 |
| 2.3.2 基于MCMC的后验抽样 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 GPD模型的参数估计方法 | 第29-34页 |
| 3.1 广义帕累托模型中参数的先验分布的参数估计 | 第30-32页 |
| 3.2 广义帕累托分布模型的后验分布的参数估计 | 第32-34页 |
| 第四章 GPD模型的建立 | 第34-43页 |
| 4.1 参数中心模型的建立 | 第34-36页 |
| 4.2 空间高斯Copula模型 | 第36-38页 |
| 4.3 狄利克雷过程copula模型 | 第38-43页 |
| 4.3.1 空间狄里克莱过程 | 第38-40页 |
| 4.3.2 狄里克莱过程copula模型 | 第40-43页 |
| 第五章 广义帕累托分布在降雨数据中的应用 | 第43-50页 |
| 5.1 试验资料 | 第43页 |
| 5.2 GPD模型选取阈值及极值理论的实证结果 | 第43-48页 |
| 5.3 贝叶斯方法下参数混合模型的拟合效果研究 | 第48-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第59页 |
