基于Wasserstein GAN的气候情景生成器用于风险管理和保险：以地面沉降为例

arXiv cs.LG 论文
generative-ai gan climate-change insurance risk-management

摘要

本文介绍了SwiGAN，这是一个基于条件生成对抗网络（Conditional GAN）的框架，用于生成气候指数的未来时空轨迹，以协助干旱风险管理和保险策略的制定。

arXiv:2605.06678v1 公告类型：新论文 摘要：根据联合国减少灾害风险办公室（2025年）的数据，自然灾害造成的年均损失从1970年至2000年间的700亿至800亿美元，增加到2001年至2020年间的1800亿至2000亿美元。国际寿险学会（IFOA）和联合国世界自然基金会（WWF）等组织的报告指出，保险部门需要通过制定超越审慎监管（如Solvency II）一年期视野的中长期策略，来适应这一快速变化的环境。本文介绍了一种基于条件生成对抗网络（Conditional GANs）的人工智能框架，用于生成气候指数的未来时空轨迹。该方法聚焦于土壤湿度指数（SWI），这是法国用于评估干旱严重程度的关键指标。干旱约占法国自然灾害保险计划赔付金额的30%。所提出的SwiGAN模型模拟了法国某易受干旱影响地区直至2050年的合理干旱传播模式。通过生成逼真的SWI地图序列，SwiGAN提供了气候变化情景下干旱动态的见解，并支持适应性风险管理和保险策略的设计。该方法论也可推广到其他气候相关灾害精算应用，如经济情景生成。
查看原文
查看缓存全文

缓存时间: 2026/05/11 06:39 

# 基于 Wasserstein GAN 的气候情景生成器在风险管理与保险中的应用：以地面沉降为例
来源：https://arxiv.org/abs/2605.06678
查看 PDF (https://arxiv.org/pdf/2605.06678)

> 摘要：根据联合国减少灾害风险办公室（2025）的数据，自然灾害的平均年成本从 1970 年至 2000 年间的 700 亿至 800 亿美元，增加到 2001 年至 2020 年间的 1800 亿至 2000 亿美元。国际精算师协会（IFOA）和自然保护协会（WWF）等组织的报告强调，保险行业需要适应这一迅速变化的环境，制定超越偿付能力监管（如 Solvency II）一年期视野的中长期战略。本文介绍了一种基于条件生成对抗网络（Conditional GANs）的人工智能框架，用于生成气候指数的未来时空轨迹。该方法聚焦于土壤湿度指数（SWI），这是法国评估干旱严重程度的关键指标。在法国自然灾害保险计划中，干旱赔付约占总赔偿金的 30%。提出的 SwiGAN 模型模拟了法国一个特别容易受到干旱影响的地区到 2050 年的可能干旱传播模式。通过生成真实的 SWI 地图序列，SwiGAN 为气候变化情景下的干旱动态提供了见解，并支持适应性风险管理和保险策略的设计。该方法还可推广到其他与气候相关的灾害和精算应用，如经济情景生成。

## 提交历史

来自：Daniel NKAMENI [查看邮箱 (https://arxiv.org/show-email/fd12eaaf/2605.06678)] [通过 CCSD 代理] **[v1]** 2026 年 4 月 22 日星期三 08:30:53 UTC（27,824 KB）

相似文章

世界-动作交互模型的DAWN

Hugging Face Daily Papers

本文介绍了DAWN，一种用于世界-动作交互模型（WAIMs）的潜在生成基线，通过递归细化联合建模场景演化与动作生成，在自动驾驶场景中实现了强大的长时域规划性能。