中国农业气象 ›› 2026, Vol. 47 ›› Issue (3): 443-455.doi: 10.3969/j.issn.1000-6362.2026.03.011
基于机器学习确定湖南省降水保险理赔阈值
周威，廖春花，王瑶，官建文，李好
- 1. 湖南省气象服务中心/气象防灾减灾湖南省重点实验室，长沙 410118；2. 中国气象局秦岭和黄土高原生态环境重点开放实验室，西安 710000；3. 中国人民财产保险有限公司湖南省分公司，长沙 410119
Claim Threshold of Precipitation Insurance in Hunan Province Based on Machine Learning
ZHOU Wei, LIAO Chun-hua, WANG Yao, GUAN Jian-wen, LI Hao
- 1. Hunan Provincial Meteorological Service Center/Hunan Key Laboratory of Meteorological Disaster Prevention and Reduction, Changsha 410118, China; 2. China Meteorological Administration Eco-Environment and Meteorology for the Qinling Mountains and Loess Plateau Key Laboratory, Xi’an 710000; 3. People´s Insurance Corporation of China Hunan Branch, Changsha 410119
摘要：
为厘清降水事件引发保险理赔的关系，提升保险气象服务能力，基于湖南省2021−2024年703次保险理赔数据和逐小时降水量资料，利用随机森林等3个模型构建湖南省县（市、区）级降水保险理赔阈值，并进行显著性检验。结果表明：（1）随机森林模型的精确率、临界成功指数、准确率等均高于XGBoost、LightGBM模型，保险理赔阈值模拟效果更优，可较好评估不同位置、不同时间窗口的降水保险理赔阈值；（2）保险理赔前120h、96h、72h累计降水量和120h最大降水量的特征重要性评分较高，是影响理赔的关键因素；（3）降水保险理赔阈值的空间异质性显著，“降水越大越易理赔”的结论在空间上不成立，低阈值区域（120h累计降水量＜50mm）占理赔区域比重的40%，对降水事件敏感，易致灾，高阈值区域（96h累计降水量>65mm）占比16%，表明强降水事件导致保险理赔；（4）卡方检验表明基于随机森林构建的6个地级市、19个县（市、区）级的降水保险理赔阈值具有显著的统计关系，能有效区分不同降水量级的理赔触发条件。