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

Este artículo presenta un marco de inteligencia artificial basado en Redes Generativas Antagónicas Condicionales (GANs) para generar trayectorias espacio-temporales futuras de índices climáticos, centrándose en el Índice de Humedad del Suelo (SWI) para evaluar la gravedad de la sequía en Francia. El objetivo es ayudar al sector asegurador a desarrollar estrategias a largo plazo para la gestión de riesgos de catástrofes naturales, ante el aumento de los costos asociados.