CN108765168A - 天气指数保险计算方法、电子装置及计算机可读存储介质 - Google Patents
天气指数保险计算方法、电子装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108765168A CN108765168A CN201810421420.5A CN201810421420A CN108765168A CN 108765168 A CN108765168 A CN 108765168A CN 201810421420 A CN201810421420 A CN 201810421420A CN 108765168 A CN108765168 A CN 108765168A
- Authority
- CN
- China
- Prior art keywords
- scenic spot
- weather index
- actuarial
- probability
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000005315 distribution function Methods 0.000 claims abstract description 46
- 230000011218 segmentation Effects 0.000 claims abstract description 22
- 238000009826 distribution Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000007689 inspection Methods 0.000 claims description 19
- 238000005520 cutting process Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 238000003657 Likelihood-ratio test Methods 0.000 claims description 3
- 230000008602 contraction Effects 0.000 claims description 2
- 238000005303 weighing Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000002411 adverse Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/14—Travel agencies
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种天气指数保险计算方法,该方法包括:计算每个景区所有类型气象要素的最优分段时间窗;根据所述最优分段时间窗计算每个景区所有类型气象要素的不同分段时间的最优概率分布函数;计算每个景区未来任意时间段的游客量动态权重;根据旅游订单及所述最优概率分布函数和游客量动态权重计算旅游天气指数保险纯费率。本发明实施例还公开了一种电子装置和计算机可读存储介质。由此,能够实现多景区行程旅游场景下的天气指数保险计算,定价准确且支持多种气象要素。
Description
技术领域
本发明涉及旅游保险测算技术领域,尤其涉及一种天气指数保险计算方法、电子装置及计算机可读存储介质。
背景技术
天气指数保险(或气象指数保险)的概念最早出现在20世纪90年代后期,它是指把一个或几个气候因素(如气温、降雨量、风速等)对农作物损害程度指数化,每个指数都有对应的农作物产量和损益,保险合同以这种气象指数为基础。当指数达到一定水平,就认为达到了触发条件,无论投保人是否受灾,保险公司都将根据气象因素指数向投保人支付相应保险金。天气指数保险按照实际的天气事件支付,由于保单利益的依据是客观独立的气象指标与约定承保指标,保险权益的标准化程度非常高。
无论在国内还是国外,绝大部分天气指数保险的应用场景还是在农业。天气指数保险产品包括单因素保险产品和多因素保险产品,目前国内大部分天气指数保险产品属于单因素保险产品。而多因素保险产品考虑多种气象灾害对指定作物的影响,并以此设计相应的天气指数。这些天气指数是通过分析灾害发生的原因、时段和影响程度而设计,所以多因素保险产品会更加具体,也更有针对性。也正因如此,多因素天气指数保险产品的设计过程复杂,目前国内还少有关于多因素天气指数保险产品完善的设计研究。
从理论上说,有可能因天气变化而遭受损失的行业,都可以发展相应的气象指数保险,其中旅游业便是其中之一。但是现有的天气指数保险在旅游业的应用设计大多比较简单,消费者虽然容易理解,但目前缺乏有效应用,这是由于:(1)不同时间段不同景区的天气情况变化极大,年化或者月化的气象要素概率分布函数无法满足实际保险定价需求;(2)不同时间段不同景区的游客量存在极大差异,而且获取所有景区的游客量实际操作中极为困难;(3)针对于行程预订模式,游客会安排若干天不同地区的旅游,需要全局的保险覆盖。
发明内容
本发明的主要目的在于提出一种天气指数保险计算方法、电子装置及计算机可读存储介质,以实现多景区行程旅游场景下的天气指数保险计算。
为实现上述目的,本发明提供的一种天气指数保险计算方法,该方法包括步骤:
计算每个景区所有类型气象要素的最优分段时间窗;
根据所述最优分段时间窗计算每个景区所有类型气象要素的不同分段时间的最优概率分布函数;
计算每个景区未来任意时间段的游客量动态权重;及
根据旅游订单及所述最优概率分布函数和游客量动态权重计算旅游天气指数保险纯费率。
可选地,所述计算每个景区所有类型气象要素的最优分段时间窗的步骤包括:
根据预设的初始日尺度构建初始样本;
对所述样本进行样本收缩与t检验;
若所述t检验不能拒绝原假设H0,对所述样本进行样本增扩与再次t检验;
根据所述t检验得到的指针构建新的样本,然后返回对所述样本进行样本收缩与t检验的步骤;
按照上述步骤计算每个景区所有类型气象要素的最优分段时间窗,得到时间窗列表。
可选地,所述计算每个景区所有类型气象要素的不同分段时间的最优概率分布函数的步骤包括:
根据所述时间窗列表对每个景区每种气象要素的全部样本进行切分;
对所切分的每个样本进行极大似然估计,得到相应的概率分布函数;
从所得到的各种概率分布函数中选择最优概率分布函数;
按照上述步骤计算每个景区所有类型气象要素的最优概率分布函数。
可选地,所述计算每个景区未来任意时间段的游客量动态权重的步骤包括:
根据订单样本构建计数矩阵;
根据订单样本构建转移矩阵;
计算稳态分布π,得到所述游客量权重。
可选地,所述计算旅游天气指数保险纯费率的步骤包括:
计算损失概率;
根据新增的旅游订单动态更新稳态分布;
根据所述损失概率和稳态分布动态计算旅游天气指数保险纯费率。
可选地,所述初始日尺度T为15日。
可选地,所述从所得到的各种概率分布函数中选择最优概率分布函数的步骤包括:
针对所得到的各种概率分布函数,计算χ2拟合优度检验、Kolmogorov-Smirnov检验,Anderson-Darling检验、似然比检验;
在四种检验下分别对每个概率分布函数进行统计评分排序,得到四种排序结果,再对每个概率分布函数的四种排序结果进行加权计算;
求使所述加权计算结果最大的概率分布函数,即为所述最优概率分布函数。
可选地,所述计数矩阵为其中,ci,j,t,l表示未来任意第t日至t+l+1日内,游客从景区i转移到景区j所出现的总次数;
所述转移矩阵为其中,表示未来任意第t日至t+l+1日内,游客从景区i转移到景区j的概率。
此外,为实现上述目的,本发明还提出一种电子装置,所述电子装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的天气指数保险计算程序,所述天气指数保险计算程序被所述处理器执行时实现如上述的天气指数保险计算方法的步骤。
进一步地,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有天气指数保险计算程序,所述天气指数保险计算程序被处理器执行时实现如上述的天气指数保险计算方法的步骤。
本发明提出的天气指数保险计算方法、电子装置及计算机可读存储介质,具有以下优点:(1)对每个景区采用最优分段时间窗,对不同的气象要素进行概率分布的参数拟合计算,采用排序加权选择最优概率分布函数,使得最后得到的定价准确;(2)采用增量稳态分布动态更新,可以完成多景区未来游客量动态权重自动计算,实现定价自适应更新;(3)采用有限的订单样本则可完成定价计算;(4)支持多种气象要素,可同时支持降雨量、温度和污染物等多种对旅游观赏有不良影响的天气条件。
附图说明
图1为本发明第一实施例提出的一种电子装置的架构图;
图2为本发明第二实施例提出的一种天气指数保险计算方法的流程图;
图3为本发明第三实施例提出的一种天气指数保险计算方法的流程图;
图4为本发明第四实施例提出的一种天气指数保险计算方法的流程图;
图5为本发明第五实施例提出的一种天气指数保险计算方法的流程图;
图6为本发明第六实施例提出的一种天气指数保险计算方法的流程图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一
参阅图1所示,本发明第一实施例提出一种电子装置2。所述电子装置2包括存储器20、处理器22和天气指数保险计算程序28。
其中,所述存储器20至少包括一种类型的可读存储介质,用于存储安装于所述电子装置2的操作系统和各类应用软件,例如天气指数保险计算程序28的程序代码等。此外,所述存储器20还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制所述电子装置2的总体操作。本实施例中,所述处理器22用于运行所述存储器20中存储的程序代码或者处理数据,例如运行所述天气指数保险计算程序28等。
所述天气指数保险计算程序28被所述处理器22执行时,实现如下步骤:
(1)计算每个景区所有类型气象要素的最优分段时间窗。
(2)根据所述最优分段时间窗计算每个景区所有类型气象要素的不同分段时间的最优概率分布函数。
(3)计算每个景区未来任意时间段的游客量动态权重。
(4)根据旅游订单及所述最优概率分布函数和游客量动态权重计算旅游天气指数保险纯费率。
上述步骤的详细说明请参阅下述第二实施例至第六实施例,在此不再赘述。
本领域技术人员可以理解,图1中示出的结构并不构成对所述电子装置2的限定,所述电子装置2还可以包括其他必要部件,或者组合某些部件,或者不同的部件布置。
实施例二
参阅图2所示,本发明第二实施例提出一种天气指数保险计算方法,应用于所述电子装置2中。在本实施例中,根据不同的需求,图2所示的流程图中的步骤的执行顺序可以改变,某些步骤可以省略。该方法包括以下步骤:
S20,计算每个景区所有类型气象要素的最优分段时间窗。
具体地,针对多景区行程预订场景进行建模,计算每个景区任意时间段发生不良天气的概率分布PDF(Probability Density Function,概率密度模型)函数。给定n个景区(或者景点、城市),影响旅游的不良天气(气象要素)类型共有K种,则在一年当中任意第t日到第t+l+1日中,景区i发生不良天气k的PDF函数分别为Pi,k,t+l+1(xk),1≤i≤n,k∈K,其中xz为影响旅游的气象要素观测指标阀值,例如降水量、温度、空气污染等影响旅游出游与体验的阀值。
但是,对于不同的景区i,在一年不同月份时间中,相同的气象要素会存在极大的区别,例如某景区5-7月多雨,其他月份少雨。因此,首先需要按分时方式对景区i气象站点的日观测数据进行切分,即计算最优分段时间窗Li,k=(li,1,k,li,2,k,…li,z,k)。该步骤的具体细化流程请参阅图3及第三实施例的描述。
S30,根据所述最优分段时间窗计算每个景区所有类型气象要素的不同分段时间的最优概率分布函数。
具体地,通过所计算出的任意景区i气象要素k的最优分段时间窗,可以计算出更为准确的PDF函数,即最优概率分布函数该步骤的具体细化流程请参阅图4及第四实施例的描述。
S40,计算每个景区未来任意时间段的游客量动态权重。
具体地,每一个景区i在未来任意第t日至t+l+1日内的游客量为Ci,t,l,1≤i≤n,,则在未来任意第t日至t+l+1日内不同景区的游客量权重为但是由于存在不同游客从不同景区离开去往其他景区的动态变化情况,且全部景区的样本数据极难获取,因此上述权重Wi,t,l极难直接计算。而由于有限的旅游订单数据相对容易获取,因此可采用有限样本构建基于马尔可夫链稳态均衡值的方式,来近似计算未来不同景区的游客量权重。
由于马尔可夫链的概率矩阵在第t日至t+l+1日内是相同的,因而转移概率可以表示为概率矩阵的l次方,即稳态分布π是1×n维行向量,即π=(u1,u2,…un),也就是未来任意第t日至t+l+1日内不同景区的游客量权重,其中各项均为非负值且总和为1,且满足等式如果马尔可夫链不可约且具有非周期性,则存在一个唯一的稳态分布π。收敛于一个秩为1的矩阵,该矩阵的每一行都是稳态分布π,即其中1是n×1维列向量且各项总和为1。该步骤的具体细化流程请参阅图5及第五实施例的描述。
S50,根据旅游订单计算旅游天气指数保险纯费率。
具体地,给定的旅游订单中包含景区、行程、游客人数,该人数的游客在未来任何第t日至t+l+1日内游览不同的景区i,1≤i≤n,不同景区i有k种可能导致游客体验受损的气象要素,根据上述最优概率分布函数和游客量动态权重,可以完成动态的保险纯费率计算。该步骤的具体细化流程请参阅图6及第六实施例的描述。
实施例三
如图3所示,本发明第三实施例提出一种天气指数保险计算方法。在第三实施例中,所述第二实施例的步骤S20具体包括以下步骤:
S200,根据预设的初始日尺度构建初始样本。
具体地,对于不同的景区i,在一年不同月份时间中,相同的气象要素会存在极大的区别,例如某景区5-7月多雨,其他月份少雨。因此,首先需要按分时方式对景区i气象站点的日观测数据进行切分,即计算最优分段时间窗。例如,在本实施例中,预设的初始日尺度T=15日,共Y年为全部样本的年度长度。
首先,针对气象要素k,构建自然年一月上旬的初始样本集合其中为景区i在公历第Y年第1月15日(例如T=15)的气象要素k的观测值。
S202,对所述样本进行样本收缩与t检验。若所述t检验拒绝原假设H0,执行步骤S206。若所述t检验不能拒绝原假设H0,执行步骤S204。
具体地,将的样本再次收缩为子样本和对上述子样本采用t检验在5%的显著性水平进行判断,H0:两组数据取样来自具有相同均值与方差、但方差未知分布的总体;H1:两组数据取样非同一分布的总体。当t检验拒绝原假设H0时,将得到两个最优分段时间窗li,1,k=8和li,2,k=T,指针l*=T+1,进入步骤S206。当t检验不能拒绝原假设H0时,则进入步骤S204。
S204,对所述样本进行样本增扩与t检验。若所述t检验拒绝原假设H0,执行步骤S206。若所述t检验不能拒绝原假设H0,重复步骤S204。
具体地,将样本向前和向后进行扩展共T个样本,即构建扩展样本为
其中为景区i在公历第Y年第12月最后一日的气象要素k的观测值;为景区i在公历第Y年第1月16日(例如T=15)的气象要素k的观测值。将扩展样本再次收缩为子样本和对上述子样本采用t检验在5%的显著性水平进行判断,H0:两组数据取样来自具有相同均值与方差、但方差未知分布的总体;H1:两组数据取样非同一分布的总体。当t检验拒绝原假设H0时,将得到一个最优分段时间窗li,1,k=T,指针l*=T+1,进入步骤S206。当t检验不能拒绝原假设H0时,更新进入步骤S204再次进行样本扩展。
S206,根据所述t检验得到的指针构建新的样本,然后返回步骤S202。
具体地,所述新的样本为对重复所述步骤S202,计算li,2,k,…li,z,k。
按照所述步骤S200-S206,可以计算每个景区所有类型气象要素的最优分段时间窗,得到时间窗列表Li,k=(li,1,k,li,2,k,…li,z,k)。
实施例四
如图4所示,本发明第四实施例提出一种天气指数保险计算方法。在第四实施例中,所述第二实施例的步骤S30具体包括以下步骤:
S300,根据所述时间窗列表对每个景区每种气象要素的全部样本进行切分。
具体地,根据任意景区i气象要素k的最优分段时间窗,可以计算出更为准确的PDF函数。首选,需要对样本进行数据切分,即根据时间窗列表Li,k=(li,1,k,li,2,k,…li,z,k),将景区i气象要素k全部样本切分为z份,每份样本标注为Si,l,k,其中l=li,1,k,li,2,k,…li,z,k;
S302,对所切分的每个样本进行极大似然估计,得到相应的概率分布函数。
具体地,采用极大似然估计Si,l,k,估计以下14种概率分布函数的参数,并且得到相应的概率分布函数
S304,从所得到的各种概率分布函数中选择最优概率分布函数。
具体地,针对14个概率分布函数计算χ2拟合优度检验、Kolmogorov-Smirnov检验,Anderson-Darling检验、似然比检验,并且在四种检验下分别对每个概率分布函数进行统计评分排序,得到四种排序结果再加权计算得到其中权重定为w1=w2=w3=w4=0.25,可以得到的概率分布函数f,即为最优概率分布函数
按照所述步骤S300-S304,可以计算每个景区所有类型气象要素的最优概率分布函数
实施例五
如图5所示,本发明第五实施例提出一种天气指数保险计算方法。在第五实施例中,所述第二实施例的步骤S40具体包括以下步骤:
S400,根据订单样本构建计数矩阵。
具体地,根据给定观测的旅游订单数据,可以构建出有限订单样本估计,计数矩阵其中,ci,j,t,l表示未来任意第t日至t+l+1日内,游客从景区i转移到景区j所出现的总次数。
S402,根据订单样本构建转移矩阵。通过行程预订的所述旅游订单数据,构建时变马尔可夫转移矩阵。在本实施例中,定义未来任意第t日至t+l+1日内的马尔可夫模型的转移矩阵Mt,l为:
其中,表示在未来任意第t日至t+l+1日内,游客从景区i转移到景区j的概率,在未来任意第t日至t+l+1日内,同一游客的转移概率mi,j,t,l相同。
S404,计算稳态分布π,得到游客量权重。
具体地,为了获得一个唯一的π,可以对矩阵Mt,l的每一元素添加一个初始值δ=0.01。设定误差为ε=0.0001,循环计算当和的误差小于ε,退出计算,则矩阵的每一行都是稳态分布π。由于π是一个稳态分布,因此即为未来任意第t日至t+l+1日内不同景区的游客量权重。
实施例六
如图6所示,本发明第六实施例提出一种天气指数保险计算方法。在第六实施例中,所述第二实施例的步骤S50具体包括以下步骤:
S500,计算损失概率。
具体地,根据所计算出的第t日至t+l+1日内,不同景区i针对不同气象要素的最优概率分布函数确定xk阀值得到损失概率,即计算积分
S502,动态更新稳态分布。
具体地,根据给定的每日新增旅游订单(包含景区、行程、游客人数),以及该人数的游客在未来任何第t日至t+l+1日内游览不同的景区i,按照所述第五实施例的步骤,可以对稳态分布π进行更新,也就是对未来游客量进行动态权重计算。具体包括根据所述步骤S400更新计数矩阵根据所述步骤S402更新转移矩阵和根据所述步骤S404重新计算稳态分布
S504,动态计算旅游天气指数保险纯费率。
具体地,在未来第t日至t+l+1日发生不良天气(气象要素)k导致游客体验受损的保险纯费率为
实施例七
本发明还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有天气指数保险计算程序,所述天气指数保险计算程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的天气指数保险计算方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种天气指数保险计算方法,所述方法包括步骤:
计算每个景区所有类型气象要素的最优分段时间窗;
根据所述最优分段时间窗计算每个景区所有类型气象要素的不同分段时间的最优概率分布函数;
计算每个景区未来任意时间段的游客量动态权重;及
根据旅游订单及所述最优概率分布函数和游客量动态权重计算旅游天气指数保险纯费率。
2.根据权利要求1所述的天气指数保险计算方法,其特征在于,所述计算每个景区所有类型气象要素的最优分段时间窗的步骤包括:
根据预设的初始日尺度构建初始样本;
对所述样本进行样本收缩与t检验;
若所述t检验不能拒绝原假设H0,对所述样本进行样本增扩与再次t检验;
根据所述t检验得到的指针构建新的样本,然后返回对所述样本进行样本收缩与t检验的步骤;
按照上述步骤计算每个景区所有类型气象要素的最优分段时间窗,得到时间窗列表。
3.根据权利要求2所述的天气指数保险计算方法,其特征在于,所述计算每个景区所有类型气象要素的不同分段时间的最优概率分布函数的步骤包括:
根据所述时间窗列表对每个景区每种气象要素的全部样本进行切分;
对所切分的每个样本进行极大似然估计,得到相应的概率分布函数;
从所得到的各种概率分布函数中选择最优概率分布函数;
按照上述步骤计算每个景区所有类型气象要素的最优概率分布函数。
4.根据权利要求3所述的天气指数保险计算方法,其特征在于,所述计算每个景区未来任意时间段的游客量动态权重的步骤包括:
根据订单样本构建计数矩阵;
根据订单样本构建转移矩阵;
计算稳态分布π,得到所述游客量权重。
5.根据权利要求4所述的天气指数保险计算方法,其特征在于,所述计算旅游天气指数保险纯费率的步骤包括:
计算损失概率;
根据新增的旅游订单动态更新稳态分布;
根据所述损失概率和稳态分布动态计算旅游天气指数保险纯费率。
6.根据权利要求2所述的天气指数保险计算方法,其特征在于,所述初始日尺度T为15日。
7.根据权利要求3所述的天气指数保险计算方法,其特征在于,所述从所得到的各种概率分布函数中选择最优概率分布函数的步骤包括:
针对所得到的各种概率分布函数,计算χ2拟合优度检验、Kolmogorov-Smirnov检验,Anderson-Darling检验、似然比检验;
在四种检验下分别对每个概率分布函数进行统计评分排序,得到四种排序结果,再对每个概率分布函数的四种排序结果进行加权计算;
求使所述加权计算结果最大的概率分布函数,即为所述最优概率分布函数。
8.根据权利要求7所述的天气指数保险计算方法,其特征在于:
所述计数矩阵为其中,ci,j,t,l表示未来任意第t日至t+l+1日内,游客从景区i转移到景区j所出现的总次数;
所述转移矩阵为其中,表示未来任意第t日至t+l+1日内,游客从景区i转移到景区j的概率。
9.一种电子装置,其特征在于,所述电子装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的天气指数保险计算程序,所述天气指数保险计算程序被所述处理器执行时实现如权利要求1至8中任一项所述的天气指数保险计算方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有天气指数保险计算程序,所述天气指数保险计算程序被处理器执行时实现如权利要求1至8中任一项所述的天气指数保险计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810421420.5A CN108765168A (zh) | 2018-05-04 | 2018-05-04 | 天气指数保险计算方法、电子装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810421420.5A CN108765168A (zh) | 2018-05-04 | 2018-05-04 | 天气指数保险计算方法、电子装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108765168A true CN108765168A (zh) | 2018-11-06 |
Family
ID=64009038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810421420.5A Pending CN108765168A (zh) | 2018-05-04 | 2018-05-04 | 天气指数保险计算方法、电子装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765168A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109710598A (zh) * | 2018-12-14 | 2019-05-03 | 吉林省中农阳光数据有限公司 | 一种基于农作物的气象指数保险系统及其实现方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012128821A (ja) * | 2010-12-13 | 2012-07-05 | Japan Insurance | お天気保険付き商品配信装置、お天気保険判定サーバおよびお天気保険システム |
CN105184445A (zh) * | 2015-08-06 | 2015-12-23 | 北京市气候中心 | 一种玉米干旱气象灾害多年平均损失率的计算方法 |
CN105389739A (zh) * | 2015-11-23 | 2016-03-09 | 南京信息工程大学 | 设施葡萄低温灾害天气指数保险纯费率的确定方法 |
CN106981028A (zh) * | 2016-01-19 | 2017-07-25 | 湖南和易鑫科网络科技有限公司 | 一种基于移动app的旅游保险方法 |
-
2018
- 2018-05-04 CN CN201810421420.5A patent/CN108765168A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012128821A (ja) * | 2010-12-13 | 2012-07-05 | Japan Insurance | お天気保険付き商品配信装置、お天気保険判定サーバおよびお天気保険システム |
CN105184445A (zh) * | 2015-08-06 | 2015-12-23 | 北京市气候中心 | 一种玉米干旱气象灾害多年平均损失率的计算方法 |
CN105389739A (zh) * | 2015-11-23 | 2016-03-09 | 南京信息工程大学 | 设施葡萄低温灾害天气指数保险纯费率的确定方法 |
CN106981028A (zh) * | 2016-01-19 | 2017-07-25 | 湖南和易鑫科网络科技有限公司 | 一种基于移动app的旅游保险方法 |
Non-Patent Citations (2)
Title |
---|
张腾 等: "江苏省冬小麦降雨指数保险的净费率厘定研究", 《财政与金融》 * |
肖扬: "国内旅游天气保障模式破题 众安保险等联手推出旅游天气保障服务", 《HTTPS://WWW.FINANCIALNEWS.COM.CN/BX/CX/201409/T20140910_62548.HTML》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109710598A (zh) * | 2018-12-14 | 2019-05-03 | 吉林省中农阳光数据有限公司 | 一种基于农作物的气象指数保险系统及其实现方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4886322B2 (ja) | 風力発電出力予測方法、風力発電出力予測装置およびプログラム | |
Williams et al. | Elevational gradients in species abundance, assemblage structure and energy use of rainforest birds in the Australian Wet Tropics bioregion | |
CN112069281B (zh) | 兴趣点位置的确定方法、装置、计算机设备及存储介质 | |
CN103413036B (zh) | 一种连续化的森林火险天气等级预报方法 | |
CN109425356A (zh) | 路径推测装置、路径推测方法以及计算机可读介质 | |
CN110807508B (zh) | 计及复杂气象影响的母线峰值负荷预测方法 | |
Wu et al. | Potential of Bayesian additive regression trees for predicting daily global and diffuse solar radiation in arid and humid areas | |
Baccarini | The maturing concept of estimating project cost contingency: A review | |
CN116008898A (zh) | 一种基于岭回归模型的电能表失准分析方法及系统 | |
CN107798118A (zh) | 基于大数据的用户画像构造方法、装置及计算设备 | |
Zhao et al. | An objective prediction model for typhoon rainstorm using particle swarm optimization: neural network ensemble | |
CN110689055A (zh) | 一种顾及格网单元属性分级的跨尺度统计指标空间化方法 | |
CN108765168A (zh) | 天气指数保险计算方法、电子装置及计算机可读存储介质 | |
CN114219345A (zh) | 一种基于数据挖掘的二次空气质量预报优化方法 | |
CN105526930A (zh) | 环境路线规划系统及其方法 | |
CN107329938A (zh) | 一种河流干旱灾害情况预测方法 | |
CN116186493A (zh) | 基于数值模式校正的气象预报方法、装置、设备和介质 | |
CN115482655B (zh) | 一种基于偏最小二乘Kriging模型的路径诱导方法 | |
CN113761806B (zh) | 一种基于神经网络的大气能见度预测方法 | |
CN110795519A (zh) | 基于Markov模型和概率统计的位置预测方法及可读存储介质 | |
CN113568067B (zh) | 数值天气预报方法、装置、计算机存储介质及电子设备 | |
CN116050636A (zh) | 光伏电站的出力预测方法、装置、设备及介质 | |
CN115453661A (zh) | 气象预报方法、装置、设备以及存储介质 | |
Santé et al. | An open source GIS‐based Planning Support System: Application to the land use plan of La Troncal, Ecuador | |
Huang et al. | Application of an extension method on optimal site selection for PV power systems: A case study in Taiwan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |