ترجمه فارسی مقاله استفاده از مدل‌های مولد برای تولید جمعیت‌های واقعی از طوفان‌های بادی بریتانیا

چکیده

Windstorms significantly impact the UK, causing extensive damage to property, disrupting society, and potentially resulting in loss of life. Accurate modelling and understanding of such events are essential for effective risk assessment and mitigation. However, the rarity of extreme windstorms results in limited observational data, which poses significant challenges for comprehensive analysis and insurance modelling. This dissertation explores the application of generative models to produce realistic synthetic wind field data, aiming to enhance the robustness of current CAT models used in the insurance industry. The study utilises hourly reanalysis data from the ERA5 dataset, which covers the period from 1940 to 2022. Three models, including standard GANs, WGAN-GP, and U-net diffusion models, were employed to generate high-quality wind maps of the UK. These models are then evaluated using multiple metrics, including SSIM, KL divergence, and EMD, with some assessments performed in a reduced dimensionality space using PCA. The results reveal that while all models are effective in capturing the general spatial characteristics, each model exhibits distinct strengths and weaknesses. The standard GAN introduced more noise compared to the other models. The WGAN-GP model demonstrated superior performance, particularly in replicating statistical distributions. The U-net diffusion model produced the most visually coherent outputs but struggled slightly in replicating peak intensities and their statistical variability. This research underscores the potential of generative models in supplementing limited reanalysis datasets with synthetic data, providing valuable tools for risk assessment and catastrophe modelling. However, it is important to select appropriate evaluation metrics that assess different aspects of the generated outputs. Future work could refine these models and incorporate more …

چکیده به فارسی (ترجمه ماشینی)

طوفان های بادی به طور قابل توجهی بر انگلیس تأثیر می گذارد و باعث خسارت گسترده ای به اموال ، مختل شدن جامعه و به طور بالقوه منجر به از بین رفتن زندگی می شود.مدل سازی دقیق و درک چنین رویدادهایی برای ارزیابی و کاهش ریسک مؤثر ضروری است.با این حال ، نادر بودن طوفان های باد شدید منجر به داده های مشاهده ای محدود می شود ، که چالش های قابل توجهی برای تجزیه و تحلیل جامع و مدل سازی بیمه ایجاد می کند.این پایان نامه به بررسی استفاده از مدل های تولیدی برای تولید داده های میدان باد مصنوعی واقع گرایانه ، با هدف تقویت استحکام مدل های CAT فعلی مورد استفاده در صنعت بیمه می پردازد.این مطالعه از داده های تجزیه و تحلیل ساعتی از مجموعه داده ERA5 استفاده می کند ، که دوره از سال 1940 تا 2022 را پوشش می دهد. سه مدل ، از جمله مدل های استاندارد GANS ، WGAN-GP و U-NET ، برای تولید نقشه های باد با کیفیت بالا از انگلستان استفاده شدند.بشراین مدل ها سپس با استفاده از معیارهای مختلف از جمله SSIM ، KL واگرایی و EMD ارزیابی می شوند که برخی از ارزیابی ها در یک فضای ابعاد کاهش یافته با استفاده از PCA انجام می شود.نتایج نشان می دهد که در حالی که همه مدل ها در ضبط خصوصیات مکانی کلی مؤثر هستند ، هر مدل نقاط قوت و ضعف متمایز را نشان می دهد.GAN استاندارد در مقایسه با سایر مدل ها سر و صدای بیشتری را معرفی کرد.مدل WGAN-GP عملکرد برتر ، به ویژه در تکرار توزیع های آماری را نشان داد.مدل انتشار U-NET بیشترین بازده منسجم را تولید کرد اما در تکرار شدت اوج و تنوع آماری آنها کمی تلاش کرد.این تحقیق پتانسیل مدلهای تولیدی را در تکمیل مجموعه داده های تجزیه و تحلیل محدود با داده های مصنوعی ، ارائه ابزارهای ارزشمندی برای ارزیابی ریسک و مدل سازی فاجعه تأکید می کند.با این حال ، انتخاب معیارهای ارزیابی مناسب که جنبه های مختلف خروجی های تولید شده را ارزیابی می کنند ، مهم است.کار آینده می تواند این مدل ها را پالایش کند و بیشتر شامل شود …