本研究针对德国戈斯拉尔和哥廷根地区洪水预警时间短的问题，提出了一种新的时空雷达降水模型（STRPMr），显著提升了洪水预测能力，尤其在捕捉极端事件和提高准确性方面表现优异。

本研究探讨了电网在极端事件下的防御能力，提出了一种结合近端策略优化算法与图神经网络的新方法来评估电网脆弱性。结果表明，该方法有效延长了电网的稳定性，为可再生能源和网络安全挑战提供了解决方案。

本研究提出了一种新型机器学习方法，用于识别极端事件及其气候驱动因素之间的时空关系。通过端到端训练模型，成功预测并评估了相关驱动因素，展现出良好的性能和应用潜力。

该研究提出了一种基于深度学习和极值理论的预测框架，通过混合分布模型和自动编码器生成器提取时间序列数据的特征，并预测极端事件的分布模型。该方法在多个实际降雨数据集上有效。