導(dǎo)語(yǔ)：農(nóng)業(yè)保險(xiǎn)災(zāi)損預(yù)估模型分析一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢(xún)客服老師，歡迎參考。

1災(zāi)損預(yù)估模型的提出

之所以要提出災(zāi)害損失的需求問(wèn)題，是因?yàn)闉?zāi)害的損失預(yù)測(cè)在實(shí)際的預(yù)測(cè)中存在著很多的困難。

2農(nóng)業(yè)保險(xiǎn)災(zāi)害損失常用的預(yù)估方法

以往對(duì)于災(zāi)害的損失沒(méi)有一個(gè)很好的科學(xué)預(yù)測(cè)方法，農(nóng)險(xiǎn)部對(duì)于承保都是根據(jù)經(jīng)驗(yàn)進(jìn)行核保，往往會(huì)造成投保的風(fēng)險(xiǎn)增大。常用的災(zāi)害預(yù)測(cè)方法一般可概括為五個(gè)步驟，分別是：災(zāi)害統(tǒng)計(jì)、建立災(zāi)害序列、建立預(yù)測(cè)模型、災(zāi)害變動(dòng)預(yù)測(cè)、模型精度檢驗(yàn)等。其中建立災(zāi)害預(yù)測(cè)模型是災(zāi)害預(yù)測(cè)的核心。由于自然災(zāi)害受多種因素影響，傳統(tǒng)的自然災(zāi)害預(yù)測(cè)模型幾乎都是基于最小二乘法的單一預(yù)測(cè)模型。

3ε-SVR的介紹

SVM回歸問(wèn)題是給定的數(shù)據(jù)樣本集合為{)(,,....,(,)iillxyxy}。其中,niix∈Ry∈R，i=1,2,3....l。這里的iy并不限定取-1或1，而是可取任意實(shí)數(shù)。回歸問(wèn)題就是要給定一個(gè)新的輸入樣本x，根據(jù)給定的數(shù)據(jù)樣本推斷它所對(duì)應(yīng)的輸出y是多少，這個(gè)輸出y是一個(gè)實(shí)數(shù)，用數(shù)學(xué)語(yǔ)言可以把回歸問(wèn)題描述如下：給定的數(shù)據(jù)樣本集合為{)(,,....,(,)iillxyxy}。其中,niix∈Ry∈R，i=1,2,3....l。尋找nR上的一個(gè)函數(shù)f(x)，一邊用y=f(x)來(lái)推斷任一輸入x所對(duì)應(yīng)的y值。下面介紹線性支持向量機(jī)回歸的求解過(guò)程。首先考慮線性回歸。設(shè)數(shù)據(jù)樣本為n維向量，某區(qū)域的l個(gè)數(shù)據(jù)樣本及其值的表示為：(,),(,)niillxyxy∈R×R（4-1）線性函數(shù)設(shè)為f(x)=w•x+b（4-2）優(yōu)化問(wèn)題即最小化：**11)()2liiiRwwwC=(,ε,ε=•+∑ε+ε（4-3）約束條件為*(),1,2,,iiifx−y≤ε+iε=l（4-4）(),1,2,,iiifx−y≤ε+iε=l（4-5）*,0,1,2,,iiεε≥i=l（4-6）式（4-3）中第一項(xiàng)使函數(shù)更為平坦，從而提高了泛化能力，第二項(xiàng)為減小誤差，常數(shù)C對(duì)兩者做出折中。ε為一正數(shù)。f(xi)與yi的差別小于ε時(shí)不計(jì)入誤差，大于ε時(shí)誤差計(jì)為|f(xi)−yi|−ε。這也是一個(gè)凸二次優(yōu)化問(wèn)題，引入拉格朗函數(shù)：****11***11(,,,,,)1()[()]2[()]()lliiiiiiiilliiiiiiiiiiLwbwwCyfxyfx====εεα,αγ,γ=•+ε+ε−αε+ε−+−αε+ε+−−εγ−εγ∑∑∑∑其中，**0;0;1,2,,iiiiα,α≥γ,γ≥i=l。函數(shù)L應(yīng)對(duì)*,,,iiwbεε最小化，對(duì)**iiiiα,α,γ,γ最大化。函數(shù)L的極值應(yīng)滿(mǎn)足條件：*0,0,0,0iiLLLLb∂∂∂∂====∂ω∂∂ε∂ε（4-8）從而得到：*1)0liii=∑(α−α=*1)liiiiwx==∑(α−α（4-10）0,1,2,,iiC−α−γ=i=l（4-11）**0,1,2,,iiC−α−γ=i=l（4-12）將式（4-9）~式（4-12）代入式（4-7）中，可以得到優(yōu)化問(wèn)題的對(duì)偶形式，最大化函數(shù)：****,11*11(,)()()()()2()lliijjijiiiijiliiiWaxxy===α=−α−αα−α•+α−α−α+αε∑∑∑其約束為：*1()liiiiwx==∑α−α（4-14）*0,,1,2,,ii≤αα≤Ci=l（4-15）這也是一個(gè)二次優(yōu)化問(wèn)題，w可由式（4-8）得到，b可由約束條件[()1]0iiiαyw•x+b−=求解得到。

4農(nóng)業(yè)保險(xiǎn)災(zāi)害損失的實(shí)例分析

在本課題中，通過(guò)調(diào)查安慶分支公司承保在在2004-2009年的歷史受災(zāi)概率數(shù)據(jù)如表1所示。為了便于計(jì)算及減少誤差,我們對(duì)實(shí)際的概率數(shù)做了人工干預(yù)處理，即實(shí)際概率應(yīng)為表中的實(shí)際數(shù)除以40%，例如實(shí)際數(shù)為6，則實(shí)際受災(zāi)概率應(yīng)為0.15。并對(duì)處理后的概率數(shù)采用極值變換法對(duì)進(jìn)行歸一化處理。即可以表示為：minmaxminttXXYXX−=−，其中tX代表實(shí)際的賠付率，maxX，minX分別代表歷史數(shù)據(jù)中賠付率的最大值和最小值，tY代表歸一化處理后的量。當(dāng)然本文所用的算法還有很多值得去深入研究的地方，例如，在災(zāi)害損失的影響因素方面要更加緊密的結(jié)合實(shí)際，所選的因素都要是對(duì)發(fā)生災(zāi)害有著一定的影響，這樣就能得出更加精確的量化值，另外，在參數(shù)值的量化方面也可以用一些優(yōu)化算法進(jìn)行優(yōu)化，歷史數(shù)據(jù)收集更多，也可以使預(yù)測(cè)的結(jié)果更為準(zhǔn)確。作者簡(jiǎn)介：駱國(guó)剛，1976年生，男，碩士，實(shí)驗(yàn)師，研究方向：信息化、管理科學(xué)與工程。

作者:駱國(guó)剛 單位:安徽工業(yè)大學(xué)

參考文獻(xiàn)

[1]白鵬,張喜斌等.支持向量機(jī)理論及工程應(yīng)用實(shí)例[M].西安:西安電子科技大學(xué)出版社,2008.

[2]何報(bào)寅,張海林,張穗,丁國(guó)平.基于GIS的湖北省洪水災(zāi)害危險(xiǎn)性評(píng)價(jià)[J].自然災(zāi)害學(xué)報(bào),2002,11(4):84-89.

[3]鄭可鋒,祝利莉,胡為群,李志凌,葉少挺,許松,朱旭斌.農(nóng)業(yè)地理信息系統(tǒng)的總體設(shè)計(jì)與實(shí)現(xiàn)[J].浙江農(nóng)業(yè)科學(xué),2005(3):17.