【摘要】：我國地理范圍遼闊,每年所遭受的自然災(zāi)害相當頻繁,頻繁發(fā)生的巨災(zāi)對整個社會的財產(chǎn)損失和人身安全產(chǎn)生嚴重威脅。在眾多自然災(zāi)害中,臺風(fēng)災(zāi)害是對我國影響最為嚴重的災(zāi)害之一。臺風(fēng)在我國沿海地區(qū)的災(zāi)害主要表現(xiàn)為由它帶來的狂風(fēng)、暴雨和風(fēng)暴潮的共同作用,以及臺風(fēng)一暴雨災(zāi)害鏈所引起的地質(zhì)災(zāi)害和生態(tài)災(zāi)害等。如何根據(jù)臺風(fēng)路徑、風(fēng)、雨等的氣象監(jiān)測及預(yù)報結(jié)果,做好臺風(fēng)災(zāi)害的災(zāi)情及風(fēng)險評估工作,從而提高防臺、減災(zāi)的部署和策略的針對性和效率,是一個值得研究的課題。因此,對臺風(fēng)損失進行準確有效地預(yù)測及分析具有重要的研究意義。本文首先介紹了Gradient Boosting算法的基本原理及其在臺風(fēng)損失預(yù)測上的優(yōu)勢和可行性;其次,從致災(zāi)因子危險性和承災(zāi)體易損性兩個角度分析臺風(fēng)災(zāi)情成因,利用Gradient Boosting算法對臺風(fēng)損失進行預(yù)測,并分析預(yù)測效果,提出應(yīng)建立臺風(fēng)災(zāi)害數(shù)據(jù)庫以及積極利用大數(shù)據(jù)和現(xiàn)代科學(xué)技術(shù);再次,在臺風(fēng)指數(shù)保險費率厘定上進行了探究,將Gradient Boosting算法運用到財政臺風(fēng)指數(shù)保險,設(shè)計了分為2個觸發(fā)指數(shù)、6個層級的指數(shù)保險保單,將各觸發(fā)條件輸入到Gradient Boosting預(yù)測模型中,預(yù)測出各層級直接經(jīng)濟損失,使用3%的賠付率計算保險金額,并根據(jù)各層級臺風(fēng)發(fā)生頻率作為索賠頻率,計算保單純保費,為財政巨災(zāi)指數(shù)保險的設(shè)計和研究提供了一定的參考,最后根據(jù)實證結(jié)果給出了應(yīng)建立以保險為主的多方損失補償機制的政策建議。本文綜合運用經(jīng)濟學(xué)、機器學(xué)習(xí)、統(tǒng)計學(xué)、保險精算等學(xué)科的相關(guān)理論知識,采用了理論分析與實證研究、機器學(xué)習(xí)與保險精算學(xué)相結(jié)合的研究方法�；跈C器學(xué)習(xí)中的Gradient Boosting算法,對廣東省臺風(fēng)損失預(yù)測進行了實證分析,從理論和實證兩個方面證明了該算法在臺風(fēng)損失預(yù)測上的可行性;通過建立的損失預(yù)測模型,對臺風(fēng)指數(shù)保險費率厘定方面的應(yīng)用進行了分析探討,實現(xiàn)了機器學(xué)習(xí)與保險精算的結(jié)合。本文將Gradient Boosting算法應(yīng)用于臺風(fēng)損失預(yù)測及臺風(fēng)指數(shù)保險定價上,預(yù)測誤差率維持在1%-15%之內(nèi),得到了該算法完全可以用于臺風(fēng)損失預(yù)測以及降低臺風(fēng)指數(shù)保險基差風(fēng)險,對于臺風(fēng)災(zāi)情管理具有較好的應(yīng)用價值的結(jié)論。
【圖文】：

登陸時中心最低氣壓與登陸時近中心最大風(fēng)速散點圖

登陸時中心最低氣壓與期間最大風(fēng)速散點圖
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F840.6

【參考文獻】

相關(guān)期刊論文 前10條

1 王田子;劉吉夫;;巨災(zāi)概念演化歷史初步研究[J];保險研究;2015年08期

2 趙紅;宋立溫;;我國臺風(fēng)損失分布擬合與債券定價研究[J];中國集體經(jīng)濟;2014年36期

3 儲小俊;曹杰;;基于Copula方法的天氣指數(shù)保險產(chǎn)品設(shè)計——以南通棉花降水指數(shù)保險為例[J];生態(tài)經(jīng)濟;2014年10期

4 何樹紅;楊博;戴明爽;;基于動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的洪水災(zāi)害損失預(yù)測[J];經(jīng)濟師;2014年05期

5 張穎超;范金平;鄧華;;基于組合預(yù)測的浙江省臺風(fēng)災(zāi)害損失預(yù)測[J];自然災(zāi)害學(xué)報;2013年06期

6 劉曉慶;唐丹玲;隋廣軍;陳仕鴻;;利用Elman神經(jīng)網(wǎng)絡(luò)模型評估廣東熱帶氣旋災(zāi)情[J];數(shù)學(xué)的實踐與認識;2013年16期

7 張穎超;仲麗君;;基于支持向量回歸機的臺風(fēng)災(zāi)害損失分析[J];信息技術(shù);2012年07期

8 周振;沈田華;;農(nóng)業(yè)巨災(zāi)保險的需求意愿及其影響因素[J];保險研究;2012年04期

9 葉小嶺;劉程波;張穎超;范金平;;基于BP神經(jīng)網(wǎng)絡(luò)的浙江臺風(fēng)損失預(yù)測[J];信息技術(shù);2011年10期

10 牛海燕;劉敏;陸敏;權(quán)瑞松;王靜靜;宗寧;;中國沿海地區(qū)臺風(fēng)災(zāi)害損失評估研究[J];災(zāi)害學(xué);2011年03期

相關(guān)博士學(xué)位論文 前1條

1 徐磊;農(nóng)業(yè)巨災(zāi)風(fēng)險評估模型研究[D];中國農(nóng)業(yè)科學(xué)院;2012年

，

本文編號：2644706