用于损失预测的多灾种贝叶斯分层模型
统计方法学
2025-02-04 v1
摘要
当前灾害风险模型存在一个根本性的理论局限：现有方法受到两个关键约束。首先，传统的损失预测模型仍以确定性为主，依赖于通过专家判断而非从数据中学习确定的固定参数。其次，概率框架从根本上受限于其灾害独立性的基本假设，这与观测到的级联和复合灾害的现实直接矛盾。由于依赖固定的专家参数并将灾害视为独立现象，这些模型危险地歪曲了真实的风险图景。本工作通过开发多灾种贝叶斯分层模型 (MH-BHM) 来应对这一挑战，该模型将经典风险方程重新概念化，超越了其确定性起源。该模型的核心理论贡献在于，将经典风险公式重新表述为一个完全概率化的模型，通过其分层结构自然地容纳灾害间的相互作用，同时保留了传统的灾害-暴露-脆弱性框架。以菲律宾的热带气旋损失数据 (1952-2020) 作为测试案例，并对近期事件 (2020-2022) 进行样本外验证，该模型展现了显著的实证优势。关键发现包括：与单灾种模型相比，损失预测误差降低了 61%；与基准确定性模型相比，降低了 80%。这分别对应于损失估计精度提高了 8 亿美元和 20 亿美元。精度的提高使得在多个领域进行更有效的灾害风险管理成为可能，从优化的保险定价和国家资源分配到地方适应策略，从根本上提高了社会备灾和应灾的能力。
引用
@article{arxiv.2502.00658,
title = {Multi-Hazard Bayesian Hierarchical Model for Damage Prediction},
author = {Mary Lai O. Salvaña},
journal= {arXiv preprint arXiv:2502.00658},
year = {2025}
}