使用extRemes包fevd函数拟合GEV分布时参数异常求助

• 手动指定合理初始参数
  异常参数通常是优化器收敛到局部最优导致的，给fevd提供贴近数据特征的初始值：

  library(extRemes)
  # 假设你的年降水数据存储在precip_data中
  init_loc <- mean(precip_data)  # 位置参数初始值设为数据均值
  init_scale <- sd(precip_data)  # 尺度参数初始值设为数据标准差
  init_shape <- 0  # 形状参数初始值设为0（接近正态分布）
  fit <- fevd(precip_data, type = "GEV", start = c(location = init_loc, scale = init_scale, shape = init_shape))
  summary(fit)
  

• 更换优化器或添加参数约束
  默认优化方法可能不适合你的数据，尝试带参数约束的优化器，强制参数符合物理意义：

  fit <- fevd(precip_data, type = "GEV", start = c(location = init_loc, scale = init_scale, shape = init_shape),
              optim.control = list(
                method = "L-BFGS-B",  # 带约束的优化方法
                lower = c(min(precip_data)-10, 0.1, -1),  # 位置不低于数据最小值减10，尺度>0.1，形状范围限制
                upper = c(max(precip_data)+10, 100, 1)
              ))
  

  也可以尝试其他优化方法如method = "BFGS"。

• 验证数据输入格式
  确保输入fevd的是一维数值向量，避免数据框、矩阵等格式导致的错误：

  precip_data <- as.vector(precip_data)  # 转换为一维向量
  

• 用第三方工具交叉验证
  用bbmle包的mle2函数重新拟合，对比结果是否正常，若正常则将该结果作为fevd的初始值：

  library(bbmle)
  # 定义GEV对数似然函数（负对数似然，用于最小化）
  gev_neg_loglik <- function(location, scale, shape) {
    -sum(dgev(precip_data, location = location, scale = scale, shape = shape, log = TRUE))
  }
  # 拟合
  fit_mle2 <- mle2(gev_neg_loglik, start = list(location = init_loc, scale = init_scale, shape = init_shape))
  summary(fit_mle2)
  # 将mle2的结果作为fevd的初始值
  fit_fevd <- fevd(precip_data, type = "GEV", start = coef(fit_mle2))
  

• 验证拟合合理性
  用extRemes自带的绘图函数验证拟合效果：

  qqplot(fit)  # QQ图看数据与拟合分布的匹配度
  densplot(fit)  # 密度图对比数据分布与拟合分布
  

内容的提问来源于stack exchange，提问作者rsmarcus