用零膨胀神经网络预测龙卷风造成的财产损失
机器学习
2019-07-22 v3 机器学习
应用统计
摘要
龙卷风是所有大气风暴中最为猛烈的。在典型年份，美国经历数百次龙卷风，相关损失达十亿美元量级。社区准备与韧性将受益于对这些经济损失的准确预测，尤其在龙卷风易发区人口密集度与范围不断增加之际。本文采用零膨胀建模方法与人工神经网络，利用公开数据预测龙卷风引发的财产损失。我们开发了一个神经网络预测龙卷风是否会造成财产损失（样本外准确率 = 0.821，受试者工作特征曲线下面积 AUROC = 0.872）。在龙卷风造成损害的条件下，另一个神经网络预测损害金额（样本外均方误差 = 0.0918，R2 = 0.432）。二者结合使用时，这些模型起到带隐藏层的零膨胀对数正态回归作用。基于表现最佳的模型，我们提供了 2019 年逐月预测损害概率与财产损害的静态与交互式网格地图。两个主要弱点包括：（1）模型拟合需要对数尺度数据，导致自然尺度残差较大；（2）使用了龙卷风起始坐标而非龙卷风路径。最终，这是首个直接建模龙卷风所致财产损害的已知研究，且所有数据、代码与工具均公开可用。该模型的预测能力连同交互式界面，或可为基于科学的龙卷风灾害规划提供机会。
引用
@article{arxiv.1807.03456,
title = {Predicting property damage from tornadoes with zero-inflated neural networks},
author = {Jeremy Diaz and Maxwell Joseph},
journal= {arXiv preprint arXiv:1807.03456},
year = {2019}
}