Hurst 현상은 장기간 습식 또는 건조 연도가 클러스터되는 지구 물리학 적 과정에서 관찰 된 행동입니다. Hurst 현상의 존재를 평가하기위한 일반적인 관행은 Hurst-Kolmogorov 프로세스 (HKP, Fractional Gaussian Noise, FGN이라고도 함)를 사용하여 지구 물리학 적 시계열을 모델링하고 Hurst 매개 변수 h 를 추정하는 것입니다. 높은 값의 h 허스트 현상의 강한 존재를 나타냅니다.
H 의 추정 불확실성이 실질적으로 증가 할 때 불확실성이 크게 증가하기 때문에 엔지니어링 관행에서 매우 중요합니다. 높습니다. 또한, 불확실성의 증가로 인해, 데이터의 관찰 된 추세는 고전적인 통계 테스트를 사용하는 경우에도 LRD 가정 하에서 중요하지 않을 수 있습니다.
.허스트 현상의 본질은 여전히 해결되지 않은 문제로 남아 있지만 많은 설명이 제공되었습니다. 관련 질문은 보편적 인 허스트 매개 변수의 존재, 지구 물리학 변수와의 관계 등을 시사합니다. 일부 설명은 큰 지구 물리학 데이터 세트의 분석을 기반으로합니다.
주로 유럽, 오세아니아 및 북아메리카를 포함하는 1,535 개의 스테이션에서 1916-2015 년부터 평균 연간 강수량기구 데이터의 큰 데이터 세트를 조사한 결과, 추정 된 허스트 매개 변수의 중앙값은 0.56과 같으며 Hurst Phenomenon의 약한 존재를 나타냅니다.
.
결과는 또한 허스트 매개 변수가 대부분 위치에 따라 다르고, 임의의 숲을 기반으로 한 공간 모델은 관찰되지 않은 위치에서 예측 가능성을 향상시킬 수 있음을 나타냅니다. 공간 모델의 적용은 Hurst 매개 변수의 맵을 초래했으며, 이는 상당한 공간 클러스터링을 나타냅니다 (예 :인접한 미국지도는 그림 2에 나와 있습니다).
.
동일한 데이터 세트에서 관찰 된 강수 경향의 추정 중앙값 값은 0.36 mm/년과 같았습니다. 평균 강수량 값과 비교하기 위해, 연간 중간 강수량은 718 mm와 같습니다.
유의 수준에서 추세의 중요성 α =0.05는 상처 현상의 존재를 고려하여 검사되었습니다. Köppen-Geiger 분류에 따라 주요 기후 유형 A (적도), B (ARID), C (따뜻한 온대) 및 D (눈)의 경우 무의미한 경향은 스테이션의 약 50%였습니다. 그러나 긍정적 인 유의 한 경향을 가진 스테이션의 비율은 주요 기후 유형 D 및 E (Polar)에 대한 부정적인 유의 한 경향의 백분율보다 높고, 주요 기후 유형 A, B 및 C의 비율은 동일합니다 (그림 4 참조). 
이러한 결과는 최근 저널 수자원 자원 에 발표 된 글로벌 기기 측정 네트워크를 사용하여 연간 강수량의 장거리 의존성 특성에 대한 제목의 기사에 설명되어 있습니다. . 이 작품은 아테네 국립 기술 대학의 Hristos Tyralis가 주도했습니다.
