极端事件，即小概率事件，虽然极少发生，但其所造成的后果往往是较为严重的.极值统计理论的产生以及发展，为此类小概率事件的分析提供了重要理论依据.作为具有位置参数、尺度参数和形状参数的一类特殊分布函数，广义极值分布（Generalized extreme distribution,GEV）的统计模型已成为极值理论的重要分支，并成为当今极值理论研究的热点领域.　　本文针对广义极值分布函数族所具有的特性以及其自身的参数估计进行了研究；随后在上述研究结果的基础上，深入探讨研究了广义极值分布函数参数的概率加权矩（Probability weighted moments,PMW）估计和极大似然估计，并结合数值最优化方法完成参数估计.论文构建了基于广义极值分布函数的概率加权矩估计结合粒子群优化算法（Particle Swarm Optimization,PSO）的参数估计，并采用其他数值方法对估计结果进行了比较分析.　　结果表明：概率加权矩估计结合粒子群优化算法（PSO）在估计广义极值分布函数中的形状参数时精确度高，在这样的高精度下，位置参数和尺度参数的估计结果也相对准确.尽管概率加权矩估计和粒子群优化算法在估计广义极值分布的所有实验案例中并不总是最优的，但它还是为估计广义极值分布函数参数提供了一种高效且可行的方法.