The generation of synthetic time series is important in contemporary water sciences for their wide applicability and ability to model environmental uncertainty. Hydroclimatic variables often exhibit highly skewed distributions, intermittency (that is, alternating dry and wet intervals), and spatial and temporal dependencies that pose a particular challenge to their study. Vine copula models offer an appealing approach to generate synthetic time series because of their ability to preserve any marginal distribution while modeling a variety of probabilistic dependence structures. In this work, we focus on the stochastic modeling of hydroclimatic processes using vine copula models. We provide an approach to model intermittency by coupling Markov chains with vine copula models. Our approach preserves first-order auto- and cross-dependencies (correlation). Moreover, we present a novel framework that is able to model multiple processes simultaneously. This method is based on the coupling of temporal and spatial dependence models through repetitive sampling. The result is a parsimonious and flexible method that can adequately account for temporal and spatial dependencies. Our method is illustrated within the context of a recent reliability assessment of a historical hydraulic structure in central Mexico. Our results show that by ignoring important characteristics of probabilistic dependence that are well captured by our approach, the reliability of the structure could be severely underestimated.

中文翻译：

---

使用 Vine Copulas 对水文气候过程进行随机建模

合成时间序列的生成在当代水科学中很重要，因为它们具有广泛的适用性和模拟环境不确定性的能力。水文气候变量通常表现出高度倾斜的分布、间歇性（即交替的干湿间隔）以及空间和时间依赖性，这对他们的研究构成了特殊挑战。Vine copula 模型提供了一种生成合成时间序列的有吸引力的方法，因为它们能够在对各种概率依赖结构进行建模的同时保留任何边缘分布。在这项工作中，我们专注于使用藤蔓 copula 模型对水文气候过程进行随机建模。我们提供了一种通过将马尔可夫链与藤蔓 copula 模型耦合来模拟间歇性的方法。我们的方法保留了一阶自动和交叉依赖性（相关性）。此外，我们提出了一个能够同时对多个过程进行建模的新框架。该方法基于通过重复采样耦合时间和空间相关模型。结果是一种简洁而灵活的方法，可以充分考虑时间和空间依赖性。我们的方法在最近对墨西哥中部历史水利结构的可靠性评估的背景下进行了说明。我们的结果表明，通过忽略我们的方法很好地捕获的概率依赖性的重要特征，结构的可靠性可能会被严重低估。该方法基于通过重复采样耦合时间和空间相关模型。结果是一种简洁而灵活的方法，可以充分考虑时间和空间依赖性。我们的方法在最近对墨西哥中部历史水利结构的可靠性评估的背景下进行了说明。我们的结果表明，通过忽略我们的方法很好地捕获的概率依赖性的重要特征，结构的可靠性可能会被严重低估。该方法基于通过重复采样耦合时间和空间相关模型。结果是一种简洁而灵活的方法，可以充分考虑时间和空间依赖性。我们的方法在最近对墨西哥中部历史水利结构的可靠性评估的背景下进行了说明。我们的结果表明，通过忽略我们的方法很好地捕获的概率依赖性的重要特征，结构的可靠性可能会被严重低估。我们的方法在最近对墨西哥中部历史水利结构的可靠性评估的背景下进行了说明。我们的结果表明，通过忽略我们的方法很好地捕获的概率依赖性的重要特征，结构的可靠性可能会被严重低估。我们的方法在最近对墨西哥中部历史水利结构的可靠性评估的背景下进行了说明。我们的结果表明，通过忽略我们的方法很好地捕获的概率依赖性的重要特征，结构的可靠性可能会被严重低估。