利用强化学习将主观幸福感整合到气候适应决策中
机器学习
2025-04-15 v1
摘要
主观幸福感是人类生活的基本方面，影响预期寿命和经济生产力等多个方面。流动性在维持幸福感方面发挥着关键作用，而气候变化导致的频繁且强烈的灾害性洪水和突发性洪水预计将显著 disrupt 对活动和目的地的可达性，从而影响整体幸福感。气候适应决策为政策制定者带来了复杂挑战：他们必须从广泛的政策选项中选择并实施，这些选项效果各异，同时要在资源受限和气候投影不确定的约束下进行决策。本文提出了一个多模块框架，使用强化学习作为气候适应的决策支持工具，用于丹麦哥本哈顿的气候适应。我们的框架集成了四个相互关联的组件：长期降雨预测、洪水模型、交通可达性和幸福感建模。该方法使决策者能够识别有助于维持或提升随时间变化的主观幸福感的空间和时间政策干预。通过将气候适应建模为一个开放的系统，本框架为探索和评估适应政策路径提供了结构化框架，从而支持政策制定者制定能够在长期内最大化幸福感的决策。
引用
@article{arxiv.2504.10031,
title = {Using Reinforcement Learning to Integrate Subjective Wellbeing into Climate Adaptation Decision Making},
author = {Arthur Vandervoort and Miguel Costa and Morten W. Petersen and Martin Drews and Sonja Haustein and Karyn Morrissey and Francisco C. Pereira},
journal= {arXiv preprint arXiv:2504.10031},
year = {2025}
}
备注
Accepted for presentation at Tackling Climate Change with Machine Learning workshop at ICLR 2025