对具有自适应企业的供应链中级联物理气候风险建模：一个空间基于智能体的框架
人工智能
2026-04-08 v4 风险管理
摘要
我们提出了一个开源 Python 框架，用于对空间供应链经济中的级联物理气候风险进行建模。该框架将地理空间洪水灾害与企业及家庭的基于智能体的模型相整合，能够模拟直接资产损失以及通过经济网络传播的间接中断。企业通过两个渠道进行内生适应：资本强化（减少直接损害）和备用供应商搜索（缓解输入中断）。在一个说明性全球网络中，资本强化使直接损失减少了 26%，而备用供应商搜索使供应商中断减少了 48%，两者均部分稳定了生产和消费。值得注意的是，从未被直接淹没的企业仍承担了相当大份额的中断，这凸显了间接级联效应的重要性。该框架为分析经济网络中的系统性物理气候风险与适应提供了一个可复现的平台。
引用
@article{arxiv.2509.18633,
title = {Modelling Cascading Physical Climate Risk in Supply Chains with Adaptive Firms: A Spatial Agent-Based Framework},
author = {Yara Mohajerani},
journal= {arXiv preprint arXiv:2509.18633},
year = {2026}
}
备注
V1 presented at NeurIPS 2025 Tackling Climate Change with Machine Learning workshop. V4 replaces evolutionary learning with explicit firm continuity adaptation, adds stock-flow consistency, matched-seed ensembles, cascade diagnostics, and internal validations. Code: https://github.com/yaramohajerani/spatial-climate-ABM