保险毕业论文产保险防灾减损技术研究

保险毕业论文

险毕业论文

一、研究目标和研究内容

防灾减损工作是保险业务的重要组成部分。做好防灾减损工作，对保险企业提高自身效益具有十分重要的意义。为了减少自然灾害对财产保险造成的损失，国内外不少保险公司都在不同程度上开展了财产保险防灾减损技术研究。

财产保险防灾减损技术研究目标为：①根据保险业当前和未来财产保险防灾减损的需要，建立管理系统模型，提高保险业在防灾减损方面的科学决策能力；②综合利用遥感、地理信息系统和全球定位系统集成方法，提高灾害预测与评估研究的科学性和可靠性；③结合不同地域自然环境的差异性和自然灾害的特点，构建财产保险自然灾害损失评估模型和自然灾害预测和预报模型；④与其他相关部门或机构合作，逐步建立重点城市灾害数据库。

研究内容为：①利用GIS（地理信息系统）技术将基础灾害信息和空间信息分层表现在图层上，并可以交互查询和动态更新；②利用遥感卫星提供的多时相、全天候遥感图像来获取不同时期的洪涝灾害的专题数据。在遥感图像解译系统下，通过对遥感图像进行图像增强、滤波、特征提取和分类、网格数据到矢量数据的变换、投影变换、坐标变换、几何纠正、图形并贴、比例尺统一等一系列的遥感图像预处理过程，形成矢量数据库，它转换成地理信息系统数据输出或者直接进入GIS空间和属性数据库；③利用GPS（全球定位系统）测量系统可获取灾情发生区域的大地测量的动态数据，经标准化后进入GIS系统；④利用地理信息系统的空间分析功能，对不同时期的数据进行解析，建立监测与评估模型；⑤把遥感影像（遥感时空数据库）、图形图像（地理空间数据和GPS获取的动态观测数据）以及保险公司提供的保险责任信息经过校正和标准化后叠加在一起，并利用这些复合信息进行灾情监测与财产损失评估；⑥利用以上获取的数据建立财产保险防灾减损决策支持模型。

二、技术方案

系统通过对致灾因子和孕灾环境的分析，采用一些预测或实测的方法，结合3S（GIS、GPS、RS）技术，将预测或实测结果以灾害图层的形式表现出来，同时，保险公司的保险责任也以保险责任图层的形式体现出来，将两个图层相互叠加，采用损失评估模型，就可以对承灾体由于灾害产生的损失进行评估，最后得到财产损失评估结果，根据损失评估结果进行防灾减损决策支持。

系统中包括7个数据源或数据模块：GIS图层、灾害因子、灾害图层、保险责任数据、损失评估结果、保险理赔数据和决策支持。其中CIS图层是基础，灾害图层、保险责任数据和损失评估结果需要与GIS图层相结合，以图层的形式展现。

GIS图层上包括点状信息、线状信息和面状信息三种图层，如城市政府机构、金融机构、企事业单位、公检法机构等图层属于点状信息图层；城市道路、等高线、河流等图层属于线状信息图层；行政区划、绿地、湖泊等图层属于面状信息图层。将这些包含城市基本信息的图层按照地理坐标系进行配准，然后按照一定的顺序进行叠加，就形成了基础地理信息图层，它反映的是事物的基本空间属性。

灾害因子包括致灾因子和环境因素。所谓致灾因子是指导致灾害发生的触发因素。洪涝灾害的致灾因子是致涝水量，以及与致涝水量有关的致灾因素如降水量、降水历时、河流水情要素等。这里定义模型涉及的致灾因子为降水量、灾害持续时间等。环境因素又称孕灾环境，指灾害作用的环境，包括地表特征（植被、建筑物分布）、地形指数（高度、宽度、坡度、坡向）和排水能力等。

灾害图层是致灾因子作用于环境因素上产生的结果，包括洪水淹没区域、洪水淹没水深、洪水淹没时间、灾害强度和模式。模式是对灾情的划分，包括典型模式（5年一遇的降雨、10年一遇的降雨等）、暴雨模式、台风模式、暴雨台风复合模式4种。

保险责任数据包括保单数据和标的损失系数，其中保单数据来自保险公司业务库中的承保数据，而标的损失系数则是通过对保险理赔数据进行统计分析的结果。标的信息和标的损失系数构成了系统中的承灾因子（承灾因子就是当灾害发生时在致灾因子影响下发生明显变化而表现出灾害特征的人文或自然要素）。

保险理赔数据来自保险公司业务库中的历史理赔数据。

损失评估结果是灾害图层和保险责任数据相结合，通过一定数学方法运算得到的。对应灾害区域中各受损标的的损失情况，有两种展现形式：以保单为中心和以客户为中心。

决策支持是根据损失评估结果确定的，包括风险等级、防洪预案或施救方案、费率建议等。

通过对系统结构框架的细化，可以进一步将系统分解成为静态模型和动态模型两个部分，分别执行不同的功能，下面将对静态模型部分和动态模型部分进行阐述。

1．静态模型

静态模型反映财产保险防灾减损系统的静态结构，它是系统模型框架的基础，是实施预测和评估的前提。

财产保险防灾减损静态模型主要包括三种图层，对应一个数据库。三种图层是基础图层、责任图层和灾害图层，对应的是保险公司防灾减损中间数据库。在静态模型中，基础图层对应模型框架的第一层中的环境因素部分，它的主要来源是国家测绘机构提供的不同比例尺的基础地理图层，它为其他两个图层提供了基准信息。基础地理图层上包括点状信息、线状信息和面状信息三种图层，如城市政府机构、金融机构、企事业单位、公检法机构等图层属于点状信息图层；城市道路、等高线等图层属于线状信息图层；城市水系、行政区划等图层属于面状信息图层。将这些包含城市基本信息的图层按照地理坐标系进行配准，然后按照一定的顺序进行叠加，就形成了基础地理信息图层。它反映的是事物的基本空间属性。

责任图层对应的是模型框架中的保险责任数据，它是保险责任信息与地理信息的关联图层，它反映保险责任和保险公司营业网点等与保险责任有关的地理信息分布情况。责任分布图层主要是点状信息图层，如财产保险标的位置，客户的分布情况等。图层上的信息点与防灾减损中间库中的业务数据相联接。

灾害图层对应的是模型框架的灾害图层，它是主要风险与地理信息的关联图层，主要反映水灾、风灾等灾害的地理分布情况。灾害图层主要是面状信息图层，如各个历史年度水灾分布情况等。这个图层主要根据预测的或实际的灾情信息进行计算，经过处理形成面状信息后，通过几何校正和处理与基础地理信息图层进行匹配和校准后，与基础地理图层进行叠加。

防灾减损中间数据库中存放了客户基本信息、业务基本信息、灾害基本信息等，中间库中的数据来源包括业务系统、客户关系管理系统和可以得到的灾害实时或历史信息。

2．动态模型

动态模型反映财产保险防灾减损系统的动态过程，体现了原型系统功能实现的过程。

动态模型包括灾情预测、损失预评估、预案及应急方案三个部分。灾情预测模型采用了基于DEM的灾情预测模型，综合考虑引发灾情的各种因素，采用DEM模型进行初步预测，得到可能受灾的地区、淹没深度和持续时间，然后采用神经网络模型进行修正，使得预测精度进一步提高。损失评估模型在预测灾情或者实际灾情的基础上，将对理赔数据统计分析得到的承灾体损失系数作为损失度计算的一个的因素，在此基础上最终形成灾害损失评估结果。

（1）灾情预测模型

灾情预测模型的基本方法就是根据GIS系统提供的地理图层，以及通过各种途径获取的灾情参数和其他灾情信息，预测灾害到来时的淹没区域、淹没水深和灾害强度等。灾情预测需要从外部项取得数据，这些外部项包括电子地图供应商、气象部门、水务部门和遥感数据提供部门等。在处理方法中，系统按照不同种类的灾害模式进行分类研究，这样的研究结果更有针对性，也更加准确。系统最后生成不同模式下的灾害图层，供保险公司防灾减损工作参考，同时为损失评估输入必要的参数。模型中采用了基于GIS和RS的预测方法，最终得出所需要的灾害图层。灾情预测过程如图1所示。

灾情预测的步骤是：

①从电子地图、气象数据、水务数据和遥感数据中获取基础数据，对数据进行提取，并做预处理。提取出模型方法可以处理的数据。

②依据等高线数据和遥感影像数据建立DEM模型，按照各种模式，结合遥感得到的地形特征信息，承灾体下垫面情况和植被截留情况，进行灾情预测，得到可能被淹的区域、淹没深度和持续时间，得到下一步运算所需的指标。

③将上步得到的结果和雨量信息等及从外部项得到的各指标输入已经训练成功的网络，经运算得到预测的结果。

④对预测结果进行处理并反映到地理图层中，使客户可以了解灾情预测的结果，并可以为进一步的损失评估所用。

（2）损失评估模型

财产损失评估模型有效利用收集到的信息（利用GIS技术、RS技术和GPS技术，把遥感影像、图形图像以及保险公司提供的保险责任信息经过校正和标准化后叠加在一起的复合信息），建立模型并进行财产损失评估。

由于财产损失评估模型是针对保险企业建立的，所以其评估目的是根据投保标的的情况和实际发生的灾害情况对标的所发生的直接损失进行评估，生成“财产损失评估表”，即对于每一个投保标的，给出其可能损失度，并计算出可能损失额，并给出所有投保标的可能的总损失额，以指导查勘小组的查勘定损工作。图2显示的是财产损失评估的过程。

财产损失评估模型的步骤如下：

①从灾害图层中提取灾害数据，包括淹没水深、淹没时间、灾害强度和淹没区域。

②对历史理赔数据进行统计分析得到标的损失系数表。

③把在灾害图层中提取的淹没区域与保险责任图层进行叠加，得到受损标的信息，包括险种、标的类型和标的价值。根据险种和标的类型查找标的损失系数表，得到标的的损失系数。

④淹没水深、淹没时间、灾害强度和标的损失系数共同组成财产损失评估模型的输入因子，通过评估模型方法运算得到各灾害区域中的标的的损失度。

（3）防洪涝预案和应急方案

保险系统防洪涝预案是为保障保险财产安全、避免或减少保险财产因洪涝灾害带来的损失，在现有水利工程设施条件下，针对可能发生的各类洪水灾害而预先制定的防御方案、对策和措施，是各级公司在防汛期间实施指挥抗洪抢险的依据。

防洪涝预案的组成结构包括两方面的内容：风险分析和主要对策。在灾害发生前，保险公司按照防洪涝预案的有关要求，做好防范工作。一旦发生灾情，则立即启动应急方案，确定责任人，确定受灾区域，调度施救队伍。

三、创新点及成果

《财产保险防灾减损技术研究》从保险公司的实际需求出发，建立了防灾减损原型系统。系统与保险公司业务系统紧密结合，以承保标的作为承灾体进行防灾减损研究；根据保险公司全国历史理赔数据，得到了保险标的的损失系数，为保险公司的防灾、风险评估等工作提供了帮助，为今后与地理位置相关标的的保险费率厘定提供了依据。系统充分利用3S（遥感、地理信息和全球定位）技术，与社会相关部门紧密协作，建立了灾情预测模型和损失评估模型，并给出了保险公司防灾减损预案，为保险公司的防灾减损工作提供了支持。

《财产保险防灾减损技术研究》的创新点体现在如下几个方面：

1．以承保标的作为承灾体进行研究

充分发挥保险公司业务数据方面的优势，利用以往的业务数据，结合外部数据（如城管、水务、气象等数据），得到了与灾害有关的全面、客观的资料。以承保标的作为承灾体进行研究，有效地解决了经济统计资料不完备的问题。

（1）以承保标的作为承灾体进行研究，实现了防灾减损研究与保险公司的核心业务系统的有机结合，充分利用GIS和GPS技术，使保险公司的业务信息具备了地理属性，可以直观地反映在地理信息平台上。同时，系统将客户与保单进行挂钩，使得业务信息的管理更加清晰有效。

（2）提高服务水平是保险公司在越来越严峻的竞争中处于不败之地的有效途径，系统以此为出发点，充分体现了保险公司“以客户为中心”的服务思想，保险公司利用系统的预测和评估结果，通过灾害风险图可以清晰地得到具有潜在水灾风险的标的、客户和保险人，使保险人能更好地为客户提供服务。

（3）保险公司积累了多年的保单数据和客户数据，这些都是进行防灾减损研究的宝贵财富。通过业务信息和GIS的结合，以专题图的形式，清晰地看到保险客户和保险责任的地理分布，从而为保险公司的业务拓展、机构设置、资源分配提供有力的决策依据。

（4）保险公司积累了多年的理赔数据，这是对灾害损失的最客观而又全面的记录，解决了损失评估中经济统计资料不完备的难题。系统提出了损失系数的概念，并根据保险公司全国2000年之后的理赔数据，按出险原因、险类、险种和标的类型的不同，对财产保险的标的理赔数据进行了统计分析，得到了损失系数的具体数值。损失系数体现了不同类型的标的在不同的出险原因下的损失程度，解决了损失评估中的关键问题，为保险财产损失评估的量化做了准备。

2．利用遥感技术和相应的数学方法对孕灾环境进行全面分析

GIS具有数据采集及空间分析能力，尤其是地形表现、土地利用和土壤数据的获取、坡面流路径的确定、水文参数的提取等方面具有独特的功能。RS具有获取大范围信息的能力，遥感影像能够直观和完整地反映地表空间分布的各种物体和现象。通过遥感影像，可以了解城市布局、土地覆盖状况、土壤类型等情况，它可以作为GIS的一种主要的数据源。

利用GIS和RS技术，可以方便地生成模型参数（如DEM数据、降雨等值线数据等）并可视化显示，这样解决了传统方法缺乏足够的空间分析功能、不能动态显示模拟结果的难题。综合降雨模型、排水模型和产汇流模型，以RS作为模型数据源之一，结合GIS的分析方法和手段，建立一个基于GIS和RS的城市内涝灾害分析模型，模拟内涝积水的淹没深度、淹没面积分布和淹没时间，并以可视化的形式显示模拟结果。

以大比例尺地形数据作为基础数据集，使用高分辨率遥感影像数据和等高线相结合，准确真实地反映研究区域的地形特征和地物空间分布状况，并以此为基础提出了基于RS和GIS的城市内涝灾情预测模型，将该模型应用于财产保险防灾减损领域，为指导保险公司采取防灾减损措施提供了有力的理论依据。

3．采用以防灾减损为中心的信息模型和集成方法

原型系统通过地理信息这个平台上对各单位的信息进行有效集成，反映了他们之间的相互作用。

系统建立了数据导入的方法，包括从气象部门得到的气象数据，从城管部门得到的地下管网数据和从水务部门得到的水务信息以及电子地图信息等等。系统利用了气象部门提供的雨量信息作为灾情预测的降雨量信息来源，利用城管部门得到的地下管网数据建立了排水模型，根据电子地图信息建立了DEM，利用遥感图像得到了建筑物分布、植被分布、承灾体下垫面情况等对灾情预测至关重要的因素。

4．建立了有针对性的防灾减损模型系统

通过建立防灾减损模型系统，为保险公司防灾减损工作提供具有可操作性的平台，从以下几个方面解决了过去防灾减损工作中盲目性和缺乏针对性的不足。

（1）在对灾害的充分研究的基础上，为保险公司的防灾减损工作建立了防洪涝灾害的预案，预案根据客户分布和风险图，细致地说明了应对灾害的具体办法，责任到人，使得保险公司的防灾减损工作脱离了过去的盲目性和被动的状况，可以进行有针对性的防灾，并根据承保标的的分布进行有针对性的施救，尽量减少灾情对保户及其标的造成的损失，提高保险公司的效益。

（2）采用了基于DEM的灾情预测模型，在综合考虑降雨量、持续时间、下水管网排水、植被截留等情况下，对灾情初步预测。在此基础上，系统应用神经网络模型，综合考虑历史灾情因素，对得到的预测灾情结果进行修正，得到灾情预测图。将灾情预测图与保险责任图叠加后，系统采用基于神经网络的损失评估模型，以历史的理赔信息作为模型样本，采用损失系数作为影响最终损失的一个因素，得到针对每个标的的估损值。

（3）结合GIS和GPS技术，一旦灾情发生，保险公司可以迅速定位灾情发生区域，及时为灾情发生区域的保户提供帮助。