相关实验视频
Updated: Jul 14, 2025

An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
从历史的洪水保险索赔中学习跨年洪水损失风险模型
Joaquin Salas1, Anamitra Saha2, Sai Ravela2
1Earth Signals and Systems Group, Earth, Atmospheric and Planetary Sciences, Massachusetts Institute of Technology, 77 Massachusetts Avenue, Cambridge, MA 02139-4307, United States of America; CICATA Querétaro. Instituto Politécnico Nacional, Cerro Blanco 141, Colinas del Cimatario, Querétaro, Querétaro, 76090, Mexico.
预测金融洪水损失对于保险来说至关重要. 这项研究开发了先进的模型,使用过去的数据准确预测近期未来的洪水风险,优于现有方法.
科学领域:
- 环境科学 环境科学
- 数据科学数据科学数据科学
- 风险管理 风险管理
背景情况:
- 洪水是一个主要的全球风险,造成了巨大的财务损失.
- 准确预测洪水引起的财务损失对于保险承保和风险管理至关重要.
- 现有的方法往往缺乏有效评估金融风险所需的精度.
研究的目的:
- 开发和评估先进的预测模型,用于估计洪水引起的财务损失.
- 评估历史数据在预测近期洪水损失风险方面的有效性.
- 确定影响洪水相关财务损失的关键因素.
主要方法:
- 使用了国家洪水保险计划 (NFIP) 数据集 (2000-2020).
- 应用机器学习模型:条件生成对抗网络,极端梯度增强和高斯过程用于损失估计.
- 采用偏差纠正的伯尔-帕雷托分布来进行风险聚合和预测.
主要成果:
- 在预测美国南方八个州县级沿海洪水损失风险时获得了R2=0.807,超过了阶段损害曲线.
- 极端梯度提升在详细的县级分析中表现出卓越的表现.
- 偏差纠正显著提高了预测和参考索赔金额分配之间的协议.
结论:
- 先进的机器学习模型,特别是极端梯度提升,显示出对财务洪水损失的高预测能力.
- 偏差校正对于提高洪水损失分布预测的准确性至关重要.
- 短期的未来洪水损失风险预测对历史训练数据窗口的变化是强大的,即使考虑到气候变化.
相关概念视频
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Design Example: Creating a Hydraulic Model of a Dam Spillway
Typical Model Studies
Applications of GIS: Disaster Management and Emergency Response
Responses to Drought and Flooding
Hazard Rate

