Es stehen standardisierte Auswertungen zur Verfügung, wie die Berechnung allgemeiner Kennwerte, Prüfung auf Normalverteiltheit, Autokorrelation, Saisonalität und Instationaritäten (Trend, Bruchpunkte).

Viele Graphiken stehen zur visuellen Überprüfung sowie zum Download bereit, sodass diese bequem in Berichte eingebunden werden können.

Die lokale Hochwasserstatistik an einem Pegel können Sie mit Hilfe der Jahreshöchstabflüsse oder einer partiellen Serie berechnen. Die Grenzwertbestimmung der partiellen Serie kann dabei über das kleinste Jahresmaximum, das Vielfache des MQs oder der Anzahl Ereignisse pro Jahr erfolgen.

Es stehen eine Vielzahl an zwei- und dreiparametrischen Verteilungsfunktionen zur Verfügung, deren Parameter durch verschiedene Schätzverfahren ermittelt werden können. Die statistische Auswertung mittels Jahreshöchstabflüssen kann durch einen QQ-Plot, Dichteverteilungsplot sowie den Konfidenzbänder verschiedener Verteilungsfunktionen ergänzt werden.

Ergänzen Sie die univariate Statistik durch deterministische, hydrologische Informationen, indem Sie historische Hochwasser (z. B. aus Hochwassermarken) einbeziehen. Durch die PPWM-Methode (partial probability weighted moments) werden Unsicherheiten bei der Schätzung extremer Ereignisse reduziert und sie eignet sich für kurze Zeitreihen.

Mit der saisonalen und typenbasierten Statistik erfolgt die Aufteilung der Stichprobe gemäß der Hochwassergenese, wie Starkregen oder Schneeschmelze. Dieses Verfahren liefert bei der typenbasierten Statistik homogene Stichproben, die zur Ermittlung typbasierter Wahrscheinlichkeiten sowie Hochwasserquantilen dienen.

Die saisonale Statistik entspricht einer Vereinfachung zur typenbasierten Statistik und differenziert die Genese nach Sommer- und Winterereignisse, sollte die Datengrundlage unzureichend sein.

Ermitteln Sie mit Hilfe von Copulas die gemeinsame Wahrscheinlichkeit zweier Hochwassermerkmale oder von zwei Pegeln, wie Scheitel-Fülle oder Scheitel-Scheitel-Copulas. Es stehen verschiedenste Copula-Funktionen zur Verfügung, die unterschiedlichste Abhängigkeiten modellieren können und über das Informationskriterium BIC ausgewählt werden. Die unterschiedlichen Marginalverteilungen bieten eine hohe Flexibilität, sodass die gemeinsame Eintrittswahrscheinlichkeit in Form von Isolinien ausgegeben werden können. Dies führt zu einer Kombination von Ereignissen bzw. Merkmalen mit derselben Wahrscheinlichkeit.