論文の概要: A Wasserstein GAN-based climate scenario generator for risk management and insurance: the case of soil subsidence

• arxiv url: http://arxiv.org/abs/2605.06678v1
• Date: Wed, 22 Apr 2026 08:30:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 12:34:33.671865
• Title: A Wasserstein GAN-based climate scenario generator for risk management and insurance: the case of soil subsidence
• Title（参考訳）: リスク管理と保険のための気象シナリオジェネレータ -土壌沈下の場合-
• Authors: Antoine Heranval, Olivier Lopez, Didier Ngatcha, Daniel Nkameni,
• Abstract要約: 自然災害の年間費用は1970年から2000年にかけて70-800億USDから2001年から2020年にかけて180-200億USDに増加した。 本稿では,条件付き生成適応ネットワーク(Conditional GAN)に基づく人工知能フレームワークを提案する。 SWIマップの現実的なシーケンスを生成することで、SwiGANは気候変動シナリオ下での干ばつダイナミクスに関する洞察を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: According to the United Nations Office for Disaster Risk Reduction (2025), the average annual cost of natural catastrophes increased from 70--80 billion USD between 1970 and 2000 to 180--200 billion USD between 2001 and 2020. Reports from organizations such as the IFOA and the WWF highlight the need for the insurance sector to adapt to this rapidly evolving context by developing medium- to long-term strategies that go beyond the one-year horizon of prudential regulations such as Solvency II. This paper introduces an artificial intelligence framework based on Conditional Generative Adversarial Networks (Conditional GANs) to generate future spatio-temporal trajectories of climatic indices. The approach focuses on the Soil Wetness Index (SWI), a key indicator used in France to assess drought severity. Drought accounts for approximately 30% of the indemnities paid under the French natural catastrophe insurance scheme. The proposed model, SwiGAN, simulates plausible drought propagation patterns up to 2050 for a region of France particularly exposed to this hazard. By generating realistic sequences of SWI maps, SwiGAN provides insights into drought dynamics under climate change scenarios and supports the design of adaptive risk management and insurance strategies. The methodology is also generalizable to other climate-related perils and actuarial applications such as economic scenario generation.
• Abstract（参考訳）: 国連災害リスク低減局(2025年)によると、自然災害の年間費用は1970年から2000年にかけて70-800億USDから2001年から2020年にかけて180-200億USDに増加した。 IFOA や WWF などの機関の報告は、この急速に発展する状況に保険セクターが適応する必要性を浮き彫りにしている。 本稿では,気候指標の時空間軌跡を生成するためのコンディショナル・ジェネレータ・ネットワーク(Conditional Generative Adversarial Networks, Conditional GANs)に基づく人工知能フレームワークを提案する。 このアプローチは、乾燥度を評価するためにフランスで使用される重要な指標である土壌湿性指数(SWI)に焦点を当てている。 干ばつは、フランスの自然災害保険制度の下で支払われた罰金の約30%を占める。 提案したモデルであるSwiGANは、特にこの危険にさらされたフランスの地域では、2050年までの干ばつ伝播パターンをシミュレートする。 SWIマップの現実的なシーケンスを生成することで、SwiGANは気候変動シナリオの下での干ばつダイナミクスに関する洞察を提供し、適応的なリスク管理と保険戦略の設計を支援する。 この手法は、他の気候関連障害や、経済シナリオ生成のようなアクチュアリな応用にも一般化可能である。

関連論文リスト

• IPSL-AID: Generative Diffusion Models for Climate Downscaling from Global to Regional Scales [0.0]
  IPSL-AIDは,拡散確率モデルに基づくグローバルから地域的なダウンスケーリングツールである。 粗い入力と時間的文脈を用いて、気温、風、降水に対する0.25度の分解能場を生成する。 極端事象、パワースペクトル、空間構造などの統計分布を正確に再構成する。
  論文  参考訳（メタデータ） (2026-03-23T14:27:54Z)
• Trustworthy Data-Driven Wildfire Risk Prediction and Understanding in Western Canada [12.784880191272606]
  近年、カナダ西部における山火事の激化は、社会経済と環境に重大な損失をもたらしている。 本稿では,長期間の時間的モデリングに基づくデータ駆動型山火事リスク予測フレームワークを提案する。 2023年と2024年の火災シーズンでカナダ西部で評価され、提案されたモデルは既存の時系列モデルよりも優れていた。
  論文  参考訳（メタデータ） (2026-01-04T22:05:17Z)
• Synergistic Neural Forecasting of Air Pollution with Stochastic Sampling [50.3911487821783]
  大気汚染は世界的な健康と環境のリスクの先駆けであり、特に山火事、都市干ばつ、塵嵐による大気汚染の急激な増加に弱い地域ではなおもである。 本稿では,気象および大気組成データを統合し,平均および極端汚染レベルの予測を改善する高分解能神経予測モデルであるSynCastを提案する。
  論文  参考訳（メタデータ） (2025-10-28T01:18:00Z)
• Adaptive Learning in Spatial Agent-Based Models for Climate Risk Assessment: A Geospatial Framework with Evolutionary Economic Agents [0.0]
  本稿では,気候リスクデータと進化学習を統合した新しいモデルを提案する。 RCP8.5 から2100 年までの河川洪水投射の枠組みを実証する。 以上の結果から,洪水に直接曝露していないエージェントでさえ,サプライチェーンの崩壊によって影響を受けやすいシステムリスクが明らかとなった。
  論文  参考訳（メタデータ） (2025-09-23T04:33:58Z)
• Catastrophe Insurance: An Adaptive Robust Optimization Approach [5.877778007271621]
  この研究は、災害保険料の計算に適した新しい適応ロバスト最適化フレームワークを導入している。 私たちの知る限り、AROアプローチが災害保険価格に適用されるのは初めてです。 米国の洪水保険データをケーススタディとして、最適化モデルは損失をカバーし余剰を発生させる効果を示す。
  論文  参考訳（メタデータ） (2024-05-11T18:35:54Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。