广义Pareto分布(generalized Pareto distribution，GPD)变点是超出量起突然变化之点。为检测极端事件的状态变化，我们基于似然比方法研究了GPD变点检测模型，考虑三参数GPD变点的检验问题，提出了最大似然比检验统计量。通过证明参数变换后GPD的对数似然和检验统计量的一系列极限性质，得到了检验统计量的渐近分布。通过模拟研究，对该方法的有限样本性质进行了评价。交通流数据分析与降雨量重现期预测实证案例验证了该方法的可行性。报告最后用GPD变点检测模型分析深圳55年降雨量数据，检测到上世纪80年代是深圳气象学的一个变点。变点之前极值指数的估计结果为负。结合降雨量与重现期关系图可以看出，变点之后遭遇一百年以下重现期的暴雨灾害程度较之前有所减弱，而之后为正，百年一遇以上重现期的暴雨灾害程度较之前严重且极端气候现象更加频繁。研究结果表明，基于GPD变点检测模型能捕捉到常规GPD模型所不能获取的内在规律，论文方法具有实用价值。