农业保险灾损预估模型分析

1灾损预估模型的提出

之所以要提出灾害损失的需求问题，是因为灾害的损失预测在实际的预测中存在着很多的困难。

2农业保险灾害损失常用的预估方法

以往对于灾害的损失没有一个很好的科学预测方法，农险部对于承保都是根据经验进行核保，往往会造成投保的风险增大。常用的灾害预测方法一般可概括为五个步骤，分别是：灾害统计、建立灾害序列、建立预测模型、灾害变动预测、模型精度检验等。其中建立灾害预测模型是灾害预测的核心。由于自然灾害受多种因素影响，传统的自然灾害预测模型几乎都是基于最小二乘法的单一预测模型。

3ε-SVR的介绍

SVM回归问题是给定的数据样本集合为{)(,,....,(,)iillxyxy}。其中,niix∈Ry∈R，i=1,2,3....l。这里的iy并不限定取-1或1，而是可取任意实数。回归问题就是要给定一个新的输入样本x，根据给定的数据样本推断它所对应的输出y是多少，这个输出y是一个实数，用数学语言可以把回归问题描述如下：给定的数据样本集合为{)(,,....,(,)iillxyxy}。其中,niix∈Ry∈R，i=1,2,3....l。寻找nR上的一个函数f(x)，一边用y=f(x)来推断任一输入x所对应的y值。下面介绍线性支持向量机回归的求解过程。首先考虑线性回归。设数据样本为n维向量，某区域的l个数据样本及其值的表示为：(,),(,)niillxyxy∈R×R（4-1）线性函数设为f(x)=w•x+b（4-2）优化问题即最小化：**11)()2liiiRwwwC=(,ε,ε=•+∑ε+ε（4-3）约束条件为*(),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）中第一项使函数更为平坦，从而提高了泛化能力，第二项为减小误差，常数C对两者做出折中。ε为一正数。f(xi)与yi的差别小于ε时不计入误差，大于ε时误差计为|f(xi)−yi|−ε。这也是一个凸二次优化问题，引入拉格朗函数：****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。函数L应对*,,,iiwbεε最小化，对**iiiiα,α,γ,γ最大化。函数L的极值应满足条件：*0,0,0,0iiLLLLb∂∂∂∂====∂ω∂∂ε∂ε（4-8）从而得到：*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）将式（4-9）~式（4-12）代入式（4-7）中，可以得到优化问题的对偶形式，最大化函数：****,11*11(,)()()()()2()lliijjijiiiijiliiiWaxxy===α=−α−αα−α•+α−α−α+αε∑∑∑其约束为：*1()liiiiwx==∑α−α（4-14）*0,,1,2,,ii≤αα≤Ci=l（4-15）这也是一个二次优化问题，w可由式（4-8）得到，b可由约束条件[()1]0iiiαyw•x+b−=求解得到。

4农业保险灾害损失的实例分析

在本课题中，通过调查安庆分支公司承保在在2004-2009年的历史受灾概率数据如表1所示。为了便于计算及减少误差,我们对实际的概率数做了人工干预处理，即实际概率应为表中的实际数除以40%，例如实际数为6，则实际受灾概率应为0.15。并对处理后的概率数采用极值变换法对进行归一化处理。即可以表示为：minmaxminttXXYXX−=−，其中tX代表实际的赔付率，maxX，minX分别代表历史数据中赔付率的最大值和最小值，tY代表归一化处理后的量。当然本文所用的算法还有很多值得去深入研究的地方，例如，在灾害损失的影响因素方面要更加紧密的结合实际，所选的因素都要是对发生灾害有着一定的影响，这样就能得出更加精确的量化值，另外，在参数值的量化方面也可以用一些优化算法进行优化，历史数据收集更多，也可以使预测的结果更为准确。作者简介：骆国刚，1976年生，男，硕士，实验师，研究方向：信息化、管理科学与工程。

作者:骆国刚 单位:安徽工业大学

参考文献

[1]白鹏,张喜斌等.支持向量机理论及工程应用实例[M].西安:西安电子科技大学出版社,2008.

[2]何报寅,张海林,张穗,丁国平.基于GIS的湖北省洪水灾害危险性评价[J].自然灾害学报,2002,11(4):84-89.

[3]郑可锋,祝利莉,胡为群,李志凌,叶少挺,许松,朱旭斌.农业地理信息系统的总体设计与实现[J].浙江农业科学,2005(3):17.