前言：中文期刊網精心挑選了浪費糧食產生的后果范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
浪費糧食產生的后果范文1
關于節約資源保護環境的倡議書
親愛的居民們：
最近我發現，我們小區地上花花綠綠的包裝袋到處飛舞，用電、用水量也是乘直升飛機上升。在這個科技快速發展、衣食無憂的時代里，人們似乎已經淡忘了從前喝不上水、吃不飽飯的苦日子，完全沒有把水、電、食物放在眼里。
這也不能完全怪你們，一噸水兩塊錢，一只塑料袋兩角錢，對你們來說確實算不了什么，但是隨手關上水龍頭、電燈開關，出門前帶上環保袋，真的那么難嗎?
如果大家再不對資源浪費引起重視，后果將會不堪設想。也許有人會說：反正浪費一點點又沒事，還有那么多呢。再說別人也看不見。可是，一人浪費一點，全球六十多億人呀?你打算毀掉幾條江，幾片森林?再這樣下去，在不久的將來，地球上的資源必將面臨枯竭，人類以及萬物的生命也將面臨脅迫，而拉弓沒有回頭箭，所以要從現在開始，保護環境，珍惜資源，為地球的未來作出貢獻。
其實保護環境，節約資源都是舉手之勞。購物時帶上環保袋，拒絕白色垃圾;洗完手隨手關上水龍頭，并不用過大的水洗手;離開房間順手關上電燈、電風扇，并不在沒人的房間里開燈。
我相信，如果人人都做到這幾點，環境必將更整潔，空氣必將更清新，世界也將會更美好。要時刻記?。涸傩〉牧α恳彩且环N支持;人人一小步，就是質的提升!大家一起努力，共創和諧社會，美麗家園!
倡議人：
日期：
綠色環保倡議書
親愛的同學們：
你們知道嗎?中國人均資源量僅為世界平均水平的1/2，人均水資源量僅為1/4，森林覆蓋率僅為世界水平的60%左右，于是國家提出了建設節約型社會的號召。教育資源是社會資源的重要組成部分，節約型社會呼喚節約型校園，期待建設節約型校園。學校是育人的場所，環境教育是提高我們思想道德素質和科學文化素質的基本手段之一，建立節約型和環境友好型校園，這不僅是學校自身發展的需要，更是我們學生應有的社會責任。
當你在這美麗的校園中學習，為我們美好的未來而努力著時，相信我們每一個同學都渴望有一個干凈的校園，渴望健康的生命，渴望綠色，渴望我們有一個良好的生活環境。為了增強大家的環境保護意識，營造建設節約型校園的良好氛圍，讓校園、班級環境更加整潔靚麗，我校團委懇切地向師生們提出如下倡議：
1、廢品回收：每班在各自的教室后面設置一個資源回收角(可用紙箱或袋子代替)，將可回收垃圾，如：廢紙、廢塑料、廢金屬、廢橡膠、廢織物等置入其中。
2、節約用水：用完水后，要及時關掉水龍頭;見到滴水的龍頭，及時擰緊;避免大開水龍頭，提倡使用臉盆洗臉、洗手;洗滌劑要適量投放，避免過量浪費水;有損壞的龍頭及時找管理人員更換。
3、節約用電：做到人走燈滅，光線充足時，不要開燈，避免白晝燈、長明燈的情況發生。
4、生活節儉：不盲目攀比，不隨意浪費糧食，在食堂就餐酌量打飯，節約每一粒糧食，培養良好的生活習慣，讓節約美德代代相傳。
5、愛護校園一草一木：做綠色使者，保持空氣清新。
6、養成好習慣：不隨地吐痰，不亂扔果皮、紙屑和廢棄物，不制造影響他人的噪聲。選購綠色產品，少用一次性制品，減少白色污染。
7、維護校園環境：看見紙張垃圾及時撿起，遇到破壞校園環境衛生的現象及時制止，想到校園環境衛生的好建議及時提出。
一粥一飯，當思來之不易;半絲半縷，恒念物力維艱。中華民族歷來倡導節約，孔子把儉和溫良恭讓一同列為基本的道德準則。校園文明我文明，校園美好我美好。同學們，讓我們義不容辭地承擔各自的使命，讓知識在純潔的環境中傳播，讓美好的心情在學習中延續，樹立環保意識，養成節約資源的習慣，從我做起，從現在做起，從點滴小事做起，為共建節約環境友好型的和諧校園而努力吧!
保護環境倡議書
廣大群眾們：
你們好!我們共同生活的地球，碧海藍天，鳥語花香，美麗極了!可是地球母親卻在哭泣。因為，在她的身上已經傷痕累累，遍布污染。親愛的人們，讓我們做保護地球的小衛士，讓地球母親綻開燦爛的笑容吧!
人們隨意拋棄的廢舊塑料包裝制品，飄掛在樹上，散落在路上，停留在草坪這種隨處可見的污染的環境現象，成為白色污染。
現在時代進步了，人們環保意識越來越差，浪費現象越來越嚴重。比如：以前人們去市場買菜時，都是用籃子的，而現在人們為了貪圖方便，去到菜市場買菜時，用塑料袋裝菜。也有另一種現象：以前人們吃飯時，都是用瓷器的碗，現在人們也是為了貪圖方便，使用了一次性飯盒，，但這些一次性的飯盒埋在地下后，即使風吹雨打，日曬雨淋，它依然不會消失。如果用火去燒，但也會破壞環境。據測算，每生產5000雙一次性筷子需要一棵大樹的木材。如果一年(365天)，那就要使用182500雙一次性筷子。多大的一個天然數字啊!人們使用后把飯盒放進垃圾桶還好，可是某些人更可恥，使用完一次性筷子.飯盒后，居然還把它們扔在小溪里。導致我國的母親河逐漸消失。但更可悲的是某些人到森林去砍樹，人們每砍一棵樹，地球母親都在喊疼。知道嗎?每棵大樹一天可吸收0.1千克二氧化碳，產生0.75千克氧氣。瞧!樹的作用多大，可想而知我們失去樹的后果。
收手吧!人類們，地球母親在痛苦地哭泣!求求你們吧!難道你們沒有感受到地球母親的痛苦嗎?地球是我們唯一的住處，它是我們的家園。
消滅白色污染，從我做起!
地球是我家，凈化靠大家!
少用一個塑料袋，多盡一份環保心!
保護環境，人人有責!
此致
敬禮!
浪費糧食產生的后果范文2
48歲的周家林是成都邛崍固驛鎮花園村的一名種糧大戶。去年，憑借承租自家周圍3200畝土地種糧，他盈利100多萬元，省市兩級政府又給予他90多萬元種糧補貼。于是，周家林拿出了50萬元，給自己訂購了一輛豪車。
周家林大字不識，種了一輩子地，從未如此闊氣過。而親近了一輩子的土地，也從未像今天這樣給予他如此慷慨的饋贈。
土地還是那個土地，糧食也還是糧食，只不過，周家林種地的面積由當初村里分配的人均9分，戶均不足3畝，擴展到了如今的3200畝。土地流轉集中后產生的規模化效應，讓種糧能手周家林得以聚沙成塔，成為了百萬富翁。
作為全國統籌城鄉改革試驗區，成都是國內率先實施農村土地確權，鼓勵土地流轉和規模經營的地區之一。周家林也藉此成為成都規模化種糧的成功典范。
但本刊特約記者深入調查發現，周家林式的種糧大戶有其難以復制的特殊性，在成都土地流轉糧食規?；洜I的熱潮背后，糧食安全的現實并不如想像中那么樂觀。
難以復制的“周家林”
“去年，成都的種糧大戶只有周家林真正賺錢?！背啥际修r技總站站長曾必榮說。雖然周家林連連擺手，示意曾站長這句話說得有點絕對，但他毫不掩飾內心的驕傲，“我從2003年至今，種糧從來沒虧過，就算政府不給補貼，我也能盈利?！?/p>
據四川農業部門統計，2013年四川省30畝以上規?；N糧主體13391個，流轉規模152萬畝，但71.3%的種糧大戶規模僅在30-50畝之間，規模達到1000畝以上的只有135戶，僅占1%。這其中真正能賺錢的，更是鳳毛麟角，周家林便是其中之一。
周家林盈利的秘訣，是對生產環節每項成本的錙銖必較。比如，請人翻田一畝要50元，周家林只花17元，其中人工費5元，車和油都自己出，12元成本。外面買種子要25元一斤，周家林自己育種，只需6元?；誓男┨镆觯男┛梢圆挥茫紘栏窨刂?，絕不浪費。規模化種糧，晾曬烘干是難題，周摸索出一套不用晾曬的收割方案，省去了烘干成本……
“周家林很難復制，一般人學不了?！背啥际修r委處級調研員黃興龍說，除了熟悉農業和懂精細管理，周家林作為當地土生土長的農民，他能低價請到的工人，別人花高價也請不到，他低價租得到的土地，外人根本租不到。
周家林租3000畝土地，原來是3000人種，現在周家林最多時才請100個工人?！?00人種3000人的地，周家林掙的其實就是人工減少的錢?！痹貥s說。
要在種糧微薄的產值里保證贏利，周家林不能不精打細算。據曾必榮測算，從育秧到最后收貯，周家林每畝投入只有480元，比一般農戶要節約340元。正是靠嚴苛的管理，周家林在保證產量的同時，能將種植成本控制在每斤1元錢。這樣，2012年糧價1.5元一斤，他能賺5毛；2013年，糧價跌到1.25元/斤，其他種糧大戶都喊受不了，要求啟動國家托市價減少虧損，惟周家林仍能賺錢。
補貼與產量倒掛
成都對糧食規模化種植實施財政補貼始于2012年。這一年，四川省政府率先出臺政策，對糧食規模化種植30畝以上的每畝補貼20元。成都市隨即出臺政策，要求市縣兩級財政對50畝以上的種糧大戶每畝再補貼20元。這意味著，當年成都種糧大戶每畝能拿到補貼60元。
2013、2014年，補貼額度連年翻番。到如今，流轉1000畝土地種糧，最高能從省市兩級政府手中拿到90萬元的財政補貼。對周家林而言，政府補貼持續上漲，無疑是錦上添花。
正是依托良好的農業基礎設施條件和強勁的扶持政策，成都的糧食規?；N植面積增長迅猛。2012年水稻規模經營面積才12萬畝，2013年就達到18.8萬畝，增幅超過50%。
但耐人尋味的是，糧食補貼增漲、規模經營面積增加的另一面，是成都糧食播種面積逐年減少的趨勢卻依然難止。統計數據顯示，2011年，成都糧食播種面積640萬畝，到2012年614萬畝，減少25萬余畝，到2013年又減少了約18萬畝。糧食種植面積的減少，直接導致的后果就是糧食產量下滑。
黃興龍曾做過計算，以2011年成都常駐人口1163萬計算，全市當年糧食消費需求大約是248萬噸，也就是說，不考慮人口增長，成都至少需要年產糧250萬噸才能保障“口糧基本自給”。然而，當年成都糧食產量還有250多萬噸，此后逐年下滑，2012年是249萬噸，2013年，按國家統計局口徑，成都糧食總產量已不到243萬噸，“2011年還敢提糧食自給有余，現在沒人說了?！?/p>
關于糧食播種面積和產量減少的原因，黃興龍分析說，一方面是成都城市擴張，大規?；A設施建設占用耕地造成耕地面積不斷減少；另一方面，土地大規模流轉也造成土地租金上漲，進一步擠壓種糧的收益空間，導致農民種糧意愿下降。
800元的盈虧線
據業內行家計算，按現有糧價和政府補貼政策，土地租金800元是種糧的“盈虧線”。
目前，成都周邊區縣一二圈層的土地年租金已高達每畝1100斤大米，折合人民幣2200元，大大高于糧食畝產值，所以在有“金溫江、銀郫縣”美譽的成都一二圈層平原地區，已幾乎沒人種糧。曾經糧食畝產可達800公斤的肥沃土地，如今除了被征用于城市建設，種的都是花卉蔬菜苗木等經濟作物。
只有走到邛崍、金堂等三圈層遠郊區縣，地價還相對較低，目前每畝價格在750元左右。因此，包括周家林在內的成都糧食種植大戶，都集中于三圈層以外。
以沃野千里聞名的成都平原，是否正逐漸失去“天府之國”的傳統意義和光彩？
浪費糧食產生的后果范文3
關鍵詞：耕地撂荒；糧食安全
1.引言
農業是我國國民經濟的基礎，而耕地又是農業最基本最重要的資源。我國自古以來就是農業大國，人口大國，但卻不是耕地大國?！拔覀円哉际澜?%的耕地養活了世界22%的人口”在道出了中國人創造了用自己的勤勞智慧養活自己的奇跡的自豪感的同時，也表露出中國耕地的匱乏。因此，我們堅持嚴格保護耕地的基本國策，盡可能去爭取和保護每一寸耕地。然而就在如此嚴峻的形勢下，耕地撂荒仍然困擾著我們這個人多地少耕地匱乏的國家。
2.耕地撂荒的基本內涵
2.1耕地撂荒
耕地撂荒是一種粗放用地，極端不利用耕地的行為。（譚術魁.2004）
2.2耕地撂荒的類型
按照耕地撂荒驅動因素的不同，可將耕地撂荒分為生態因素驅動型與社會因素驅動型。
2.2.1生態因素驅動型耕地撂荒
數千年來中華民族創造了燦爛的農耕文明，但也一直被人多地少的矛盾所困擾。為了化解這一矛盾，國人一直致力于開墾耕地、提高耕地的生產力。由于耕地需求量大加之特殊歷史時期國人所犯的錯誤，許多不該開墾的土地也被開墾用做耕地，種種歷史和自然原因交錯形成了中國中低產田的比例相對較高、現有耕地存在多種不易改變的限制因素的現狀。根據全國農業區劃委員會于1990年組織的全國縣級農業綜合開發后備土地資源調查結果，中國耕地中存在各種各樣的障礙因素。就耕地的農業生產能力而論，它們占耕地面積的比例分別為：瘠薄耕地1.7%，漬澇水田4.1%，漬澇旱地4.7%，鹽堿耕地2.9%，坡耕地11.1%，風沙耕地2.2%，缺水耕地17%，其他障礙因素的耕地7.9%。種種障礙因素嚴重制約著耕地的質量，全國現有的中低產田主要是由上述這些耕地所組成的。有些耕地往往存在著多種障礙因子，如風沙耕地又缺水，坡耕地又瘠薄等。（王秋兵等.2004）這些障礙因子往往在自然狀況不好的年際會對耕地質量產生強烈的惡化作用，從而使農民因無法耕種或耕種成本過高而放棄耕種，即形成耕地撂荒。
生態因素驅動型耕地撂荒主要可以分為以下幾個類型：
供水條件惡化造成的耕地撂荒.。我國新疆內陸河流域、甘肅民勤縣、內蒙古黑河流域、青海湖周邊都有相當數量的耕地因供水條件惡化造成撂荒。
水土流失造成的耕地撂荒。水土流失已成為我國耕地撂荒的重要自然驅動因素。例如東北的松嫩平原、秦巴山地區都受到水土流失的困擾并有教派大面積耕地因水土流失而撂荒。
常年干旱造成的耕地撂荒。常年干旱是種植業最可怕的制約因素，而且易引起耕地撂荒。安徽、山西晉中、內蒙河套灌區就出現了因常年干旱而造成的耕地撂荒。
土地沙化、風沙埋壓造成的耕地撂荒?；哪殉蔀槲覈顬閲乐氐纳鷳B環境問題，特別是在中西部地區，已危及當地人民的生存與發展空間，嚴重影響生態安全及經濟社會的可持續發展，并已誘發了嚴重的耕地撂荒現象。
鹽堿化造成的耕地撂荒。因鹽堿化造成的耕地撂荒現象也不少見。在柴達木盆地農業區，近三分之一的耕地處于地下水位聲該的潛在威脅之中，發生次生鹽漬化的可能性極大。因為土壤次生鹽漬化月28萬畝的耕地已棄耕，盡管改良治理10萬畝，仍有18完畝耕地處于棄耕狀態。（譚術魁.2004）
2.2.2社會因素驅動型耕地撂荒
社會因素驅動型耕地撂荒主要包括：務農收益低與耕地承包經營權流轉不暢相互作用造成的耕地撂荒；基層政府及工作人員工作方式欠妥或主觀故意造成的耕地撂荒；建設項目擱淺引起的耕地撂荒；對土地利用改造不周造成的耕地撂荒；灌溉設施難以保證、灌溉費用過高造成的耕地撂荒；土地權屬糾紛造成的耕地撂荒。
在以幾種社會因素驅動型耕地撂荒中，因務農收益低與耕地承包經營權流轉不暢相互作用造成的耕地撂荒發生范圍較為廣泛，而其他幾種撂荒分布的規律性較弱。本文主要討論因務農收益低與耕地承包經營權流轉不暢相互作用造成的耕地撂荒。
3.耕地撂荒的后果評價
3.1對自然環境的影響
3.1.1有利于農田土壤的恢復
此處所提及的耕地撂荒主要指社會經濟因素驅動發生的撂荒。耕地被棄耕后，相當于采用了休耕的耕作制度。休耕對地力恢復的作用是很顯著的。在松嫩羊草草原對不同撂荒年限的草原農田土壤及植被變化規律的研究發現，撂荒能加大土壤的密實度，減小風蝕作用，抑制有機質吹蝕量，還因為土壤重新長出植被，根系固定土壤，也減弱風蝕作用，加厚土壤腐殖質層，增加有機質含量。隨著撂荒年限的增加，物種多樣性指數逐年增高，pH值、電導率、含鹽量變化規律則不明顯。與對照組比，土壤有機質秒年個差距逐年縮小，從撂荒一年相差0.69%到撂荒四年相差0.12%。（譚術魁.2004）
3.1.2加快荒漠化進程
濫開濫墾，耕地撂荒的直接結果之一就是荒漠化擴展、沙塵暴頻發。20世紀50年代以來，我國曾多次對草原、固定沙地等不宜開墾的土地進行開墾，其結果是破壞了生態平衡，這些新開墾的耕地大部分很快退化，進而被撂荒。由于生態環境被嚴重破壞，原有的植被很難在短時間內得到恢復，這就導致地表，加之這些地區本來自然條件就比較惡劣，很容易邊成荒漠的新領地。
3.2對社會經濟的影響
3.2.1造成嚴重的社會經濟損失
首先，從經濟學層面來看，土地作為社會經濟的基礎資源，是異常寶貴的，。因此，耕地撂荒是一種社會資源的極大浪費。再者，被撂荒的土地中相當一部分是肥沃的良田，有很高的糧食生產能力，撂荒后單是減產糧食的損失也是相當慘重的。另外，大量存在的拋荒地也加大了森林火災的發生幾率，造成了人民人身安全和財產安全的又一的隱患。
3.2.2影響農村發展
耕地撂荒后，因大量青壯年勞動力的外流，農村的各項事業，比如興修水利，道路等都沒有充足的勞動力去建設，這又成為農村發展的一大阻礙。
3.2.3為農業產業結構調整提供契機
耕地撂荒從某種程度上看是社會資源的流動，市場經濟追求效益最大化的本質將促使它最終流向最有價值的領域。而產業結構調整正是要達到這樣的目的。
4.規避耕地撂荒的對策
因生態因素驅動型耕地撂荒與社會因素驅動型撂荒產生的原因迥異，應遵照“具體問題具體分析”的方法論尋求解決問題的思路。
4.1生態因素驅動型耕地撂荒的規避對策
由于引發耕地撂荒的生態因素具有多樣性，應建立一個完善的多維的規避機制，以應對各種不同的撂荒類型。
第一步，找出撂荒的主要誘因。
第二步，判斷誘因可否人為規避或被改善。
第三步，根據事先設定的社會、經濟、生態等約束條件評價具體的撂荒地塊是否應該恢復原有的土地利用類型。若通過三個層次的評價適宜用做耕地，則可通過土地整理，開發復懇，興修水利等必要措施使其恢復耕地功能。否則，應該考慮將其用做其他用地類型。
4.2社會因素驅動型耕地撂荒的規避對策
4.2.1社會因素驅動型耕地撂荒的背景及原因分析
社會因素驅動型耕地撂荒具有廣泛的、深層次的社會經濟原因。農民作為理性經濟人，當務農收益較低時必然會走出農村尋求收益更高的工作，于是外出務工人員所承包的土地則流落在撂荒的邊緣。解決這一問題的最好辦法是通過土地市場方式，即土地流轉使其耕地轉移到有耕種能力的人手中，從而避免被撂荒。然而，現實情況是農村土地發育不健全，承包經營權得不到充分的流轉。因而導致大量的耕地被撂耕，令人無比痛心的是其中有很多是歷史上著名的優質、高產產糧區。要探究社會因素驅動型耕地撂荒的原因，最根本的是要弄清楚務農收益低下和土地流轉不暢的原因。
4.2.1.1務農收益低下的原因
現行土地承包經營制度的弊端。土地承包經營制度建立之初對中國農村發展產生了巨大作用，但從實踐來看，現行農村土地集體所有制并沒有從根本上使農民的收入得到改善，反而加大了城鄉差別。在現行土地承包經營制度下，農業難于形成農業產業特色；難于產生農業規模效益；難于實現農業現代化和產業化管理；難于提高土地產出率。（陳建明，浩等.2006）
農業產品加工率低導致更大的工農業產品剪刀差。我國農業產品加工率低，從而是國內工農業產品剪刀差加大，使農民的生產和生活成本提高了，而由于農產品加工率較低，農民所生產出來的產品---糧食的價格比較穩定，這樣就導致了一個事實：收入增長落后于支出增長，從而降低了農民的務農收益。
農民的生活水平提高帶動貨幣性支出的增加。改革開放以來，全國人民的生活水平有了顯著提高，同時物價也有較大漲幅，增加了更多的漲價的消費，必然會導致務農收益的相對下降。
4.2.1.2土地流轉不暢的原因分析
家庭聯產承包經營制實施以來，我國出臺了多項鼓勵土地承包經營權流轉的政策，但農村承包經營權流轉仍然只發生在不甚廣泛的范圍，流轉的速度也較慢。原因主要有以下幾個方面：
一是土地流轉對土地轉出戶和轉入戶來說收益都太低；二是農民的“戀土情結”；三是缺乏成熟完善的流轉機制。
4.2.2社會因素驅動型耕地撂荒的規避對策
從實質來看，社會因素驅動型耕地撂荒是“三農”問題的一個方面，要解決這一問題，最終要歸結為“三農”問題的解決。在此提出幾個具體的規避對策，如下：
一、深入研究現有的土地法律制度，加快土地制度改革，促進農村土地市場的發育。
二、建立農村社會保障體系。
三、堅持“工業反哺農業”的方針，采用“藍箱”、“綠箱”政策支持農業發展。
四、提高農產品的加工率。
五、大力發展農村教育，提高農村人口的科學文化素質。
參考文獻：
[1]譚術魁.中國耕地撂荒問題研究[M].北京：科學出版社，2004.
[2]王秋兵等.土地資源學[M].北京：中國農業出版社，2003.
[3]陳思源，曲福田，劉兆友.農地非農化與人類活動的動力學演化分析[J].中國土地科學，2006，2（20）：24-27.
[4]張鳳榮等.1996-2004年中國耕地糧食生產能力變化研究[J].中國土地科學，2006，2（20）：8-14.
[5]章波，唐健.建耕保新機制 促新農村建設[J].中國土地，2006，（3）：8-10.
[6]湯小俊.怎樣才能守住“18億畝”這個底線[J].中國土地，2006，（4）：4-7.
[7]陳建明，浩.社會主義新農村建設的現實選擇：農村推動承包經營權流轉[J].
[8]郭紫薇，鐘凱.我國農村土地產權制度的多元改革模式[J].國土資源，2006，（1）：27-29.
[9]蔣承菘.對保護耕地的再審視[J].中國土地，2006，（3）：14-16.
[10]張鳳榮等.北京市土地理應總體規劃中的耕地和基本農田保護規劃之我見[J].中國土地科學，2005，1（19）：10-16.
[11]許發圣.山區耕地平衡的問題與對策[J]，中國土地，2005，（5）：39-40.
[12]陳延一.退耕還林交響曲[J]，國土資源，2005，（11）：4-13.
浪費糧食產生的后果范文4
關鍵詞：我國；土地資源保護；問題；對策
中圖分類號： F301 文獻標識碼： A DOI編號： 10.14025/ki.jlny.2015.20.071
1 國土資源開發利用過程中存在的問題
1.1 違規占用，耕地面積不斷減少
近年來，我國的工業化進程不斷深入，加上城鎮化的加速發展，對于土地的需求一直處于旺盛狀態，城市的擴大必然需求大量的土地資源，但在發展過程中，存在規劃不科學、土地利用不合理的情況。土地占用不按規定執行，甚至一些房地產開發企業違規圈地，導致耕地資源數量不斷減少，耕地保護形勢十分嚴峻。耕地面積的減少勢必會影響到農業的生產及糧食的安全，給社會穩定帶來威脅。
1.2 土地沙漠化趨勢嚴重
在社會的發展過程中，人為對自然植被的破壞，直接導致我國土地沙漠化嚴重，原有的耕地沙漠化日趨嚴重，也導致耕地面積不斷萎縮，據統計，我國的土地沙漠化速度呈不斷加快的趨勢，目前耕地基本上以每年2000多平方公里的速度在逐年減少。
1.3 土地質量不斷下降
亂砍濫伐、過度墾殖、無序開發導致我國的水土流失十分嚴重，而且工業的無序發展導致水資源惡化，農藥、化肥的使用也給土地的質量帶來威脅，土地質量不斷下降，這對于農業生產來講影響至深。近年來常見報道一些金屬大米、毒大米事件，都是土地被污染后質量下降而產生的后果。
2 土地資源保護及可持續開發利用的相關對策
2.1 對經濟增長及土地利用方式進行調整
在經濟增長上，要加快產業政策的調整，大力發展第三產業，這樣更能集約利用土地，避免對土地資源的占用過多；在產業布局上，要向資源集約型產業的方面轉化；在農業生產上，要向土地集約化耕作的方式和種植方式轉變，大力發展土地節約技術產業。
2.2 科學進行城市發展規化，提高土地利用率
一是要確定土地利用的主體規劃地位，總體規劃利用土地應當占主導地位，根據社會經濟發展需要對土地進行科學合理的分配，以可持續利用與開發為著眼點，保證耕地紅線，還要努力尋求發展；二是對建設用地的控制，要提高土地的集約利用率，對于中小城市的發展要在加速發展進程的同時，控制城市的發展規模，對于有限的土地進行集約利用，避免無序開發，更要杜絕擺大攤子、“烙大餅”式的城市發展，一定要控制城市外延的無限擴展；三是挖掘城市土地潛力，提高利用率與產出率。調整區域城市結構、城市用地結構和用地布局，考慮城市、集鎮相互協作，取消重復設置，減少城市化過程中不必要的耕地浪費。
2.3 對土地的使用方式進行管理
在土地的管理中，耕地資源的數量對于穩定糧食安全至關重要，所以在土地的使用方式上，要加強管理，確保耕地紅線不被突破。另外在土地開發上，要注重生態平衡，以不影響生態環境為基本原則，要把耕地總量指標不變作為動態平衡的目標，實施有彈性的耕地總量的動態穩定政策。在用地方面要嚴格把關，嚴格審批，加強審批后的監管，不得違規改變用途，對重點地區、城市、項目要特別強化管理，落實用地備案和批后的檢查工作。國土資源管理要實行聽證制度，推進國土資源管理的依法行政。
2.4 要在土地資源的質量保護上下功夫
土地資源只有規模遠遠不夠，更重要的是土地的質量，近年來我國的工業農業生產的發展給土地的質量帶來嚴重的影響，導致土地的質量下降，土地資源流失嚴重，所以今后為了確保土地資源穩定，要加強對土地資源質量的保護，在保護提高土地質量上下功夫，實行退耕還林、退耕還草、休耕等。休耕就是將容易發生侵蝕的地區的耕地轉化利用方式為林地、草地或者休耕，用于更好地涵養水源，防止水土流失。另外對于中低產田進行改造，挖掘耕地生產能力，進行以改造中低產田為中心、荒地開墾和廢棄地復墾的經濟性研究。
2.5加強對土地資源的生態環境保護
在農業生產中，大量的化肥及農藥的使用，雖然達到了省工省力，帶來巨大經濟效益的目的，但這都是短期行為，從長遠來看，對環境和生態的破壞是影響生態農業的主要障礙之一。化學長期投入到耕地中，多年后土壤中的微生物越來越少，土壤的理化特性發生改變，板結嚴重、不保水、不保溫，通透性變差，這對于作物生長十分不利，肥料的增加不僅對糧食的增長作用不明顯，而且會對環境產生污染。農藥的使用也同樣會帶來不利的影響，長期使用將導致病蟲害的抗藥性增強，而不得不加大藥量，從而污染環境。另外大量農藥的投入對于生態系統中的生物群落也產生重要影響，致使一些害蟲的天敵被殺死，產生連鎖反應，比如害蟲死后，被天敵所食最終也中毒死亡，破壞了天然生態系統的平衡。
3結語
浪費糧食產生的后果范文5
綠色總給人親近的感覺，當可新能源被冠以綠色能源的名稱時，人們便對其抱有美好憧憬：只要我們使用綠色能源，清新的空氣、潔凈的水源，以及經歷巨變而煥發新生的經濟將呈現在我們面前。
但事情往往不這么簡單。近日世界自然基金會（WWF）最新的《生物能源的潛在風險和潛在效益并存》卻給我們“美好的憧憬”潑下一盆冷水：如無適當的行動、目標和政策，發展生物能源就會演變出在“環保”名義下繼續破壞地球生態的惡果。
WWF潑了盆冷水
“生物能源的生產如果管理不善，將摧毀寶貴的生態系統、危及糧食和水的安全、傷害到農業社區、加重能源消費中的浪費現象。”2011年是世界森林年，世界自然基金會近日了《森林生命力報告》，其中的第二章《森林與能源》對生物能源的發展提出如是忠告。
其實，生物能源的擴張可能對土地資源和水資源產生進一步的壓力，早已是不爭的事實。世界糧農組織之前就指出，能源作物與糧食作物存在爭地風險。按照目前的生產條件，大約需要2500升的水才能生產1升的液態生物能源，而同樣數量的水所能生產的糧食卻可滿足一個人的日均食物需求。因此報告指出，在農業生產效率沒有明顯提高的情況下，糧價將可能上漲，無力承擔糧價上漲的貧困地區將愈發脆弱。
WWF報告還顯示，第二代生物燃料以麥稈、草和木材等為主要原料，導致速生樹種大量種植，對物種多樣的天然生態森林造成破壞。棕櫚油就是“典范”，1986年隨后的20年間，印尼棕櫚樹種植面積增長近10倍，但自1990年起，印尼有2800萬公頃雨林遭到破壞。
不僅如此，作物的種植、能源的提煉和運輸需要能源，作物擴大栽培和集約經營導致的土地直接和間接改變也會產生溫室氣體排放，導致負的碳平衡。
WWF總部氣候與能源項目負責人薩曼莎?史密斯向《國際先驅導報》指出：“森林或農村土地在被轉化的過程中會增加二氧化碳排放，而生物能源生產全過程所排放的溫室氣體，也并不一定比化石燃料少，玉米乙醇就是例證?！?/p>
如不對生物能源發展所潛藏的社會問題加以管理，后果可能還導致不平等狀況的加劇，如土地所有權的進一步集中、小農和依賴森林生存的人們流離失所。
綠色能源的不“綠”之處
實際上，關于綠色能源的爭議并非只針對生物能源。
日本大地震導致的核危機將本已爭議不斷的核能再次推向風口浪尖。日本政府已表示將大幅度調整能源政策，降低對核能的依賴程度；在德國，日本核危機引發的連鎖反應，迫使一貫支持核能的默克爾，決定在2022年前關閉本國所有核電站。據國際能源署《世界能源展望2011》報告顯示，日本福島核事故將導致2035年全球核能發電量下降15％。
備受爭議的還有國內近來風波不斷的太陽能光伏發電產業。2011年9月，因浙江晶科能源有限公司不當堆放含氟固體廢料，致使該固體廢料被暴雨襲擊后，經雨水管線排放至附近小河，導致河水中氟離子超標9倍造成河道大量魚類死亡。
工業廢料問題僅是光伏產業受爭議的一方面，事實上，生產一塊1m×1.5m的太陽能板必須耗費超過40公斤煤。同時，作為光伏產業基礎材料的多晶硅本身即屬于高耗能、高污染產品，從生產工業硅到太陽能電池全過程綜合電耗約220萬千瓦時/兆瓦，而且多晶硅生產的副產物四氯化硅如處理不當也將對環境造成極大破壞。此外，光伏系統所使用的蓄電池所含有的鉛、鎘、硫酸等有毒物質都可能對土壤、地下水等造成污染。
其實，即便被廣泛認為百分百“綠色”的水電和風能，其給環境帶來的污染也不可避免。
水電對于生態環境的影響，業界一直沒有明確定論。2010年12月，環境保護部污染防治司副司長凌江表示“水電在某種程度上可能比火電造成的污染更嚴重?！迸c此同時，風力發電在大量減少二氧化碳排放方面所發揮的作用也被打上問號。因為風并不總是存在，風力發電設備就必須使用火力發電方式來抵消風力的不可靠，結果造成二氧化碳減排效果不明顯。
丹麥是大力推廣風能的國家，1999年到2007年間，風能發電量翻番。丹麥天然氣和電網運營商數據顯示，2007年丹麥生產電力所排放的二氧化碳量與1990年大體相當。顯然，丹麥的二氧化碳排放量并未因為風能發電的普及而有所減少。
誰最污染
“它們所造成的環境影響以及差異，已得到科學界的廣泛認同。人類需要基本的能源服務，而每一種能源都會產生利弊兩種影響?！彼_曼莎?史密斯認為，公眾應該對綠色能源的環境風險，有更加充分、理性的了解。
長期以來，除去因各種利益因素，人們似乎在有意忽略綠色能源的環境風險，WWF告訴本報記者，其實人們忽視綠色能源也會污染環境的很重要原因在于，人們目前推廣綠色能源中，往往過分強調能源使用環節的清潔，而忽略了能源產品從最初研發直至最終消亡整個過程中的污染或清潔狀況。
科學界對能源的綜合評價制定了很多工具，其中一個叫“生命周期評價法”，已得到普遍認同。這種評定工具，既包括制造產品所需要的原材料的采集、加工等生產過程，也包括產品貯存、運輸等流通過程，還包括產品的使用過程以及產品報廢或處置等廢棄過程，這個過程構成了一個完整的產品的生命周期。
對可再生能源來說，只有在其使用周期所貢獻的能量，大于其生命周期所消耗能量、其所排放的污染少于所替代的傳統能源產品污染的時候，才是有價值的。
美國科學院2009年了一份名為《能源隱性成本：能源生產和使用過程中無法計價的后果》的報告，提出要綜合考慮能源的各種隱形成本，如環境損害、非環境損害、基礎設施建設以及國家安全。在研究汽車不同的動力來源對環境的影響時，報告的初步結論是雖然靠汽油驅動的技術在空氣污染和溫室氣體排放方面的損害要高于其他能源技術，但電驅動車則在綜合損害方面要大于其他能源技術。
造成這個問題的原因是美國的電力供應仍然是以化石燃料為主，這樣電動車的清潔程度就受到電力本身清潔性的影響，同時電池和電動機的制造也都是高耗能的，制造過程以及回收過程都存在污染問題。
美國大自然保護協會也發出了對“能源肆意擴張”的警告：新能源技術占用土地過多可能會增加對自然棲息地的破壞。在綜合各種能源單位發電量所占用土地的數據后人們發現，生物能源、風能、水能等技術的占地面積要比化石能源技術高得多（生物能源的占地最多相當于煤炭的近100倍）。一個日產6萬立方米天然氣的老天然氣井的單位發電量，竟相當于風力渦輪發電站的20倍。除去基站本身，風力發電往往地點偏僻，從發電地點到城市之間還有幾千公里的高壓輸電系統。
不能先污染后治理
“先污染、后治理”，人類社會已經飽嘗這種能源發展模式的苦頭，中國人民大學環境學院副院長鄒驥告訴本報記者，對于今后的綠色能源發展，公眾一定要了解其綜合的環境影響，理性看待各種能源的優勢和劣勢，最終形成判斷。
而對于生物能源到底是一種威脅還是一個解決方法，世界自然基金會并沒有告訴本報記者答案，而是提出只有良好的管理才能把環境影響降到最低，最大程度地降低溫室氣體排放和保障能源安全。
某種意義上說，發展綠色能源不僅是因為綠色能源本身具有的可持續性特點，更在于綠色能源項目本身也應具有可持續性的特點?？沙掷m生物能源圓桌會議項目提出包括保障糧食安全、保護環境、科學管理和利用廢料在內的11原則。
“能源評價的標準是客觀存在的，而重要的是政府應該提高民眾對標準的知情度，并通過立法和法律實踐來確保標準能夠貫徹執行。”薩曼莎?史密斯進一步認為，“社區應該參與到立項咨詢過程并提供建議。我們希望社區民眾在項目破壞環境時要發揮監督機構的作用，這一點很重要?！?/p>
2000年后，世界各大國如美國、歐盟、印度、巴西都相繼出臺了綠色能源發展的政策和法律，中國在2007年也通過了《可再生能源中長期發展規劃》。
浪費糧食產生的后果范文6
論文摘要：英國科學家約翰·貝丁頓于 3 月 18 日在英國《衛報》發表文章稱，氣候變化和人口增長將導致食品、水和能源短缺，進而引發大規模移民、公共騷亂和國際沖突。如果未來數年內沒有充分準備的話，到 2030 年，世界將面臨“完美風暴”，出現大的動蕩。為了評價和印證約翰·貝丁頓的預言我們建立數學模型進行了對預言的評價，這對人們有警示和教育的現實意義。
對于人口的增長問題，我們分別用logsitic阻滯增長模型和灰色系統模型進行了預測分析，結果表明logistic阻滯增長模型得出的結論與約翰·貝丁的預測符合較好，得出 ，2020年世界人口預測將達到80.86億。由一些有效數據，建立合理的灰色系統模型對未來的2030年糧食儲存量進行推算，得出2030年的糧食儲存量，從而論證了約翰．貝丁頓提出的觀點是科學的。能源問題我們建立了灰色系統模型進行了分析，結果得出是。
得出個個子模型關系后再采用主成份分析法，得出最終的貢獻率，個個變量因子對于結果的貢獻率。然后用BP神經網絡綜合分析了完美風暴。
在2030年，資源和糧食都同時短缺，也就是說按現在這個程度發展在2030年將發生食品、水和能源短缺，如果未來數年內沒有充分準備的話，到 2030 年，世界將面臨“完美風暴”，出現大的動蕩。人口的持續增長將會在未來 20 年里引發對食品、水和能源的大量需求，與此同時，各國政府還必須應對氣候變化。所有這一切都將同時到來。據貝丁頓教授說，再過 20 多年，全球人口將增加到大約 83 億。僅此一點，就意味著全球資源需求將在未來變得更大。貝丁頓博士警告說，資源短缺壓力將急劇增加，氣候變化將使問題惡化。目前，全球的糧食儲存量太小，只有年消費量的 14%，一旦發生干旱或者洪災，糧食就會嚴重短缺。他說：“我們的糧食儲備是 50 年來最低的，到 2030 年，我們對糧食的需求會增加 50%，同時，我們對能源的需求也會增加 50%，淡水的需求會增加 30%。”我們的創新之處在于：一.利用灰色系統進行了對世界人口的預測。二.利用主成份分析法給出了個個變量之間的關系。三. 運用BP神經網絡進行了對于完美風暴的預測。
一.問題的重述
貝丁頓說，人口的持續增長將會在未來 20 年里引發對食品、水和能源的大量需求，與此同時，各國政府還必須應對氣候變化。所有這一切都將同時到來。據貝丁頓教授說，再過 20 多年，全球人口將增加到大約 83 億。僅此一點，就意味著全球資源需求將在未來變得更大。貝丁頓博士警告說，資源短缺壓力將急劇增加，氣候變化將使問題惡化。目前，全球的糧食儲存量太小，只有年消費量的 14%，一旦發生干旱或者洪災，糧食就會嚴重短缺。他說：“我們的糧食儲備是 50 年來最低的，到 2030 年，我們對糧食的需求會增加 50%，同時，我們對能源的需求也會增加 50%，淡水的需求會增加 30%?！?/p>
21世紀是人類發展最快的時期，也是我們引領世界的輝煌時期。 近幾年來，科學技術的迅猛發展加速了人類文明的繁榮。同時亦增強了人類對自然環境的影響能力，引起了全球各種問題出現了突出的矛盾，成為社會最嚴重的挑戰。正如英國科學家約翰．貝丁頓于3月18日所說，由于氣候變化和人口增長將導致食品、水和能源短缺，從而引發大規模移民、公共騷亂和國際沖突，最終在2003年造成“完美風暴”的發生。并且，約翰．貝丁頓也提出，我們的糧食儲備是50年來最低的，到2030年，我們對糧食的需求會增加50％，同時，我們對能源的需求也會增加50％，淡水的需求會增加30％，問題由此而生，約翰．貝丁頓提出的觀點是否科學，我們有必要根據資料對此觀點進行驗證。我們以人口與糧食的關系為重點進行論述，假如，到2030年，我們對糧食的需求會增加50％。則在人口隨著年份的增加而按照阻滯增長模型進行增長，同時在每年糧食總量不變下，糧食貯存量的變化和糧食消費量的變化建立三者的關系。
二．問題的分析
2.1對問題背景的分析
如今，由于氣候的變化以及人口的迅速增長使得食品、水和能源的短缺，并且人類的生活環境變得更加惡劣，如果長此以往，戰亂與國際沖突，將隨時可能爆發，人類的生存面臨這巨大的挑戰。所以，對現在人類生活環境狀況的評估是非常具有必要性的，同時對于人口增長、能源、糧食和淡水的需求預測也是很有必要的，因為只有做好了，預測分析工作，才能夠對未來的發展趨勢由很好的了解，對與制定補救措施具有很大的幫助。
2.2對約翰· 貝丁頓觀點的論證分析
對于文中約翰· 貝丁頓所提到的，人口、能源、糧食和淡水需求量到2030年會發生重大變化。為了來論證這一觀點的正確性，首先就是搜集相關的數據，然后利用相關的模型對上述四個因子分別進行預測。通過模型所得到的預測值來判定約翰· 貝丁頓觀點的正確性。
2.3對人口、能源、糧食、淡水之間關系的分析
研究人口、能源、糧食、淡水之間關系的意義在于對運用于人類生存危機狀況量化處理的模糊綜合估計方法中權值矩陣的確定起到關鍵作用，所以，通過利用主成分分析法可以求出四者之間的相關性，并且通過相關性可以構建四者之間的函數關系。
2.4對“完美風暴”危機預測模型的分析
人類生存環境的危機狀況是一個抽象的概念，沒有具體數值來表示。那么，對于這種情況，我們必須找到一種方法，使這種危機的狀況能夠被量化，于是我們選擇用風險度來描述風險和時間的關系。
在得到每一年的危機狀況的估計量化值（模型中我們稱為危險評判參數）后，我們可以通過構建世界人口、能源、糧食和淡水需求量這四個因子與所求得的量化值之間的關系，于是利用BP神經網絡來構建兩者之間的輸入輸出關系，并且通過BP神經網絡的網絡訓練模擬功能，可以預測出2030年人類生存環境的危機狀況，以此進行判斷“完美風暴”發生的可能性。
三.模型的建立以及求解
I.主成分分析法分析完美風暴一．世界人口增長的預測
3.1 logistic阻滯增長模型預測世界人口
3.1.1模型的準備
表3.1.1 世界人口隨時間變化
1970至2006年世界人口統計（單位：萬人）
年份
人口（萬人）
1990
528500
1991
538500
1992
548000
1993
557200
1994
562980
1995
571606
1996
574560
1997
584590
1998
589848
1999
597773
2000
605412
2001
613010
2002
619973
2003
627252
2004
636969
2005
644598
2006
651776
圖3.1.1世界人口隨時間變化
用EXCEL可以畫出以上圖形，雖然看起來是線性的，是由于縱坐標取值比較大的緣故，實際上并非是線性的，并且是符合logistic阻滯增長增長模型的。
表3.1.1b近幾年世界總人口情況
年份
年總人口數(億)
出生率(%)
死亡率(%)
自然增長率(%)
1991
53.84
27
9
1.7
1992
54.2
26
9
1.7
1993
55.06
26
9
1.6
1994
56.07
25
9
1.6
1995
57.02
24
9
1.5
1996
57.71
24
9
1.5
1997
58.4
24
9
1.5
1998
59.26
23
9
1.4
1999
59.82
23
9
1.4
2000
60.67
22
9
1.4
2001
61.37
22
9
1.3
2002
62.15
21
9
1.3
2003
63.14
22
9
1.3
2004
63.96
21
9
1.3
3.1.2模型的假設
（1）世界人口的增長符合logistic阻滯增長模型，可以用此模型求解.
3.1.3logistic阻滯增長模型的建立以及求解
于是有：
（1）
對 的一個最簡單的假定是，設 為 的線性函數，即
（2）
設自然資源和環境條件所能容納的最大人口數量 ，當 時人口不再增長，即增長率 ，代入（2-2）式得 ，于是（2-2）式為
（3）
將（2-3）代入方程（2-1）得：
（4）
解方程（2-4）可得：
（5）
3.1.3模型的求解
為了對以后一定時期內的世界人口數做出預測，我們首先從世界銀行數據庫上查到世界人口從1990年到2007年部分年份總人口的數據
（1）將1990年看成初始時刻即 ，則1991為 ，以次類推，以2007年為t=7作為終時刻。用函數（5）對表3.1.1中的數據進行非線性擬合，運用Matlab編程得到相關的參數 ，可以算出可決系數（可決系數是判別曲線擬合效果的一個指標）：
可以算出可決系數 得世界部分年份人口變化趨勢的另一擬合曲線：
（2-7）
進行預測得（單位：千萬）：
X(20)=80.86
表3.1.3 各年份世界總人口用不同擬合曲線預測數（單位：億）
由上表可以看出：在2020年總人口就已經超過了80.86億,比較接近的預測。
3.1.4型的誤差檢驗
在估計阻滯增長模型的參數時沒有用到2000年的實際數據，是為了用它做模型檢驗。我們用模型計算的2007年世界人口總數與已知的實際數據相比較，來檢驗模型是否合適。
經計算，誤差僅為0.0186%，故可以認為該模型的精度是很高的。
其中算法及程序見附錄
3.2 灰色系統模型預測世界人口
灰色系統理論的微分方程為GM模型，GM(1，1)表示1階，1個變量的微分方程模型.
記原始數據序列 \* MERGEFORMAT 如下：
\* MERGEFORMAT
它的時間響應序列為：
\* MERGEFORMAT
其中， \* MERGEFORMAT
即： \* MERGEFORMAT
因此通過計算得：表3 \* MERGEFORMAT 的值
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
53.84
108.04
163.1
219.17
276.19
333.9
392.3
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
451.56
511.38
572.05
633.42
695.57
758.71
822.67
然后計算 \* MERGEFORMAT 的緊鄰均值生成序列 \* MERGEFORMAT
\* MERGEFORMAT
其中， \* MERGEFORMAT
計算得到：表4 \* MERGEFORMAT 的值
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
53.84
80.94
135.57
191.135
247.68
305.045
363.1
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
421.93
481.47
541.715
602.735
664.495
727.14
790.69
我們稱方程 \* MERGEFORMAT 為灰色GM(1，1)模型，其中 \* MERGEFORMAT 是需要通過建模求解的參數，若 \* MERGEFORMAT 為參數數列，且 \* MERGEFORMAT 其中 \* MERGEFORMAT
\* MERGEFORMAT 則求微分方程 \* MERGEFORMAT 的最小二乘估計系數列，滿足
\* MERGEFORMAT
稱 \* MERGEFORMAT \* MERGEFORMAT 為灰微分方程， \* MERGEFORMAT 的白化方程，也叫影子方程.
因此，根據上述所說則有
1.白化方程 \* MERGEFORMAT 的解或稱時間響應函數為 \* MERGEFORMAT
2.GM(1，1)灰微分方程 \* MERGEFORMAT 的時間響應序列為 \* MERGEFORMAT
3.取 \* MERGEFORMAT ，則 \* MERGEFORMAT
4.還原值
\* MERGEFORMAT
根據方程對參數的 \* MERGEFORMAT 作最小二乘估計，得
\* MERGEFORMAT (21)
設 \* MERGEFORMAT
由于 \* MERGEFORMAT ，可得GM(1，1)模型的白化方程為
\* MERGEFORMAT (22)
它的時間響應式為
\* MERGEFORMAT
由此得模擬序列
\* MERGEFORMAT
相應的值為： \* MERGEFORMAT 的值
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
53.84
54.52
55.25
56.00
56.75
57.51
58.28
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
59.07
59.86
60.66
61.48
62.30
63.14
63.99
灰色系統模型的檢驗
定義1.設原始序列
\* MERGEFORMAT
相應的模型模擬序列為：
\* MERGEFORMAT
殘差序列：
\* MERGEFORMAT
相對誤差序列：
\* MERGEFORMAT
1.對于 \* MERGEFORMAT ，稱 \* MERGEFORMAT 為k點模擬相對誤差，稱 \* MERGEFORMAT 為濾波相對誤差，稱 \* MERGEFORMAT 為平均模擬相對誤差；
2.稱 \* MERGEFORMAT 為平均相對精度， \* MERGEFORMAT 為濾波精度；
3.給定 \* MERGEFORMAT ，當 \* MERGEFORMAT 成立時，稱模型為殘差合格模型.
定義2 設 \* MERGEFORMAT 為原始序列， \* MERGEFORMAT 為相應的模擬誤差序列， \* MERGEFORMAT 的絕對關聯度，若對于給定的 \* MERGEFORMAT ，則稱模型為關聯合格模型.
定義3 設 \* MERGEFORMAT 為原始序列， \* MERGEFORMAT 為相應的模擬誤差序列， \* MERGEFORMAT 為殘差序列.
\* MERGEFORMAT \* MERGEFORMAT
\* MERGEFORMAT \* MERGEFORMAT
1.稱 \* MERGEFORMAT 為均方差比值；對于給定的 \* MERGEFORMAT ，當 \* MERGEFORMAT 時，稱模型為均方差比合格模型.
2.稱 \* MERGEFORMAT 為小誤差概率，對于給定的 \* MERGEFORMAT ，當 \* MERGEFORMAT 時，稱模型為小概率模型合格模型.
表3.2.1精度檢驗登記參照表
精度等級
相對誤差
關聯度
均方差比值
小誤差概率
一級
0.01
0.9
0.35
0.95
二級
0.05
0.8
0.5
0.8
三級
0.1
0.7
0.65
0.7
四級
0.2
0.6
0.8
0.6
由已知數據我們算出的結果為
表 3.2.2殘差序列
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
-0.32
-0.19
0.07
0.27
0.20
0.12
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
0.09
-0.04
0.07
-0.11
-0.15
-0.03
\* MERGEFORMAT \* MERGEFORMAT
計算得平均相對誤差： \* MERGEFORMAT
模擬誤差： \* MERGEFORMAT .精度為一級
計算 \* MERGEFORMAT 與 \* MERGEFORMAT 的灰色關聯度 \* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
精度為一級
計算均方差比
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
所以，由 \* MERGEFORMAT 均方差比值為一級計算小誤差概率
由 \* MERGEFORMAT
表 3.2.3 計算得出的 \* MERGEFORMAT 的值
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
0.001428
0.318571
0.188571
0.071428
0.271428
0.201428
0.121428
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
0.091428
0.038571
0.071428
0.108571
0.022285
0.000857
所以 \* MERGEFORMAT 小誤差概率為一級.
故可以用
\* MERGEFORMAT 來進行預測.
預測的結果為
表 3.2.4預測的世界人口總數
年份
2005
2006
2007
2008
2009
2010
2011
總人口（億）
64.84
65.72
66.59
67.49
68.39
69.32
70.24
年份
2012
2013
2014
2015
2016
2017
2018
總人口（億）
71.19
72.14
73.11
74.09
75.08
76.09
77.11
年份
2019
2020
2021
2022
2023
2024
2025
總人口（億）
78.14
79.2
80.26
81.34
82.43
83.54
84.66
年份
2026
2027
2028
2029
2030
總人口（億）
85.79
86.95
88.11
89.3
90.49
由于灰色模型對于近期的預測較準確，但是隨著時間的推移，未來的不確定因素將增多，從而對所產生的值會產生，一定得波動，影響測量的精確性.因此我們這里采用改進的DGM(1，1)離散灰色預測模型對數據進行改進，因為離散灰色模型具有很好的穩定性，因此對于中長期的預測會產生很好的效果.
二，能源問題的預測：
石油的多少往往還和一個國家的經濟水平，經濟發展聯系在一起，大多數國家為了擴大GDP值，盲目的開發開采石油，造成大量的浪費和污染問題.因此我們可以同時預測國家的GDP和石油的消耗量.
石油隨時間變化規律曲線
a坡度分析
設原始序列：
(39)
其中，， 稱為非等間距序列.
記： (40)
定義1 設
其中，則稱式(1) 為非等間距序列第 區間的坡度.那么平均坡度即為：在灰色系統的擬合過程中， 坡度平滑的區間精度較高， 但在坡度波動較大的區間，其擬合值與原始數據的偏差較大.從減小非等間距間數據的波動考慮， 對非等間序列進行坡度優化分析， 可以通過局部插值來消除當坡度有較大波動時所產生的較大的誤差.
b模型的求解
自變量序列， 經坡度優化分析后， 將第個區間的坡度平均坡度進行比較， 將第 區間作 \* MERGEFORMAT 插值， 可得到新的自變量序列： (42)
式中，為第個區間內的第節點.用線性插值計算所插入節點處的函數值：
(43)
其中， .原始序列
插入若干數據后變成新的序列：
分析非等間距序列的區間， 并對其進行合理地插值， 其實質是修正了數據波動所引入的誤差，因而能更好地反映出數據的變化趨勢，從而可大幅度地提高擬合和預測精度.
c以新序列為原始序列建立灰色距模型
記原始時間序列 為：
(45)
若其中.則稱 為非等間距序列 的一次累加生成(1—A GO ) 序列.
定義2 當 接近于指數規律變化時， 白化微分方程為：
式中， 為發展灰數； 為內生控制灰數.設為待估參數向量，， 利用最小二乘法求解得：其中
將 時間響應離散化， 得：
L
(6)將值代入離散模型計算預測累加值 ， 并還原為預測值：
其中
通過灰色模型可求得兩者的預測響應函數分別為：
通過計算可以得到相應的預測值.可求得1970～ 2004 年世界能源總消耗量預測響應函數的后驗差， 平均相對誤差 ， 小概率事件； 世界GDP 預測響應函數的后驗差， 平均相對誤差， 小概率事件.可知此模型精度為一級.能源消費增長同經濟發展之間有一定的依賴關系.通常把能源消費年平均增長率與國民生產總值年平均增長率之比稱為能源消費彈性系數.從上述數據可得到世界能源消費總量和GDP總量的回歸方程為：
相關系數為0.9922，線性關系明顯相關數據和運算過程程序見附錄
圖1 原油隨時間的圖
三．用灰色系統對糧食問題預測
在將來，新興經濟體需求、能源價格上漲、氣候變化、糧食出口限制改變糧食供需關系，增加糧價不確定性，世界糧食價格是長期問題！
糧食價格將可能繼續攀升，至少會維持在高位.聯合國糧農組織在2008年1月份預測，今年全球主要糧食作物的產量將會低于需求量約3000萬~4000萬噸，約占全年總產量的1.5%~2%左右.另一方面，全球糧食庫存在最近30年間不斷下降，2007年已經降到了30年來的最低點.供需結構和庫存水平共同決定了將來的糧食價格走勢.
在短期，也有很多因素促使糧價上漲.石油價格的上漲已經是一種不可避免的趨勢，如果在此基礎上進一步上升，就會使得糧食價格出現上漲.另外，異常氣候的因素可能使糧食短缺問題雪上加霜，可能會使將來的糧食價格產生巨大震蕩.
最后，從長期來看，目前的糧食價格上漲的趨勢將會持續.根據資料顯示，在10年之內谷物價格將至少上漲10%，可能達到20%.對于更長遠的將來如果沒有大的變動的話，糧食價格將進一步上漲.
我們通過對近幾年的世界糧食總產量和消費總產量，對現在存在的糧食問題以及到2030年糧食的消耗問題進行預測.
我們根據1990年到2007年的數據分別對以后的糧食生產量和消耗量進行預測.
圖1糧食生產與消耗的總量圖
圖2 糧食需求量隨時間變化
通過圖2我們可以看到，近幾年谷物的生產量與消耗量大體相當，幾乎沒有剩余量或者出現虧損的局面，至于2007，2008年是全球谷物大豐收，糧食產量得到很大的提高，計算時沒有太大的根據性，因此我們舍棄07，08的數據對以后幾年到2030年的糧食總產量和消耗量進行預測分析.應用灰色預測模型，我們最終得出的結果是：
谷物生產量（億噸）
23.63
谷物消耗量（億噸）
26.2
我們可以看到到那時，每年生產地谷物根本不夠實際消耗的谷物的總量，庫存量以消耗殆盡，對于其他的糧食作物，我們可以近似的認為它們和谷物有同樣的屬性，在產量和消耗上，沒有太大的區別.都是以同樣的趨勢變化，因此，到2030年全球將出現大的糧食危機問題.到時由于缺少糧食將發生不可預料的后果.
四．氣候問題：
全球氣候問題主要是伴隨著人口的急劇增長、森林的過度砍伐、資源的粗獷性利用，而造成溫室氣體比例升高，全球變暖，進而引發冰川融化、局部地區發生海嘯，干旱和洪澇等惡劣的氣候變化和對生態的破壞.所以氣候問題可以粗略的分為森林危機和全球變暖.
五．森林危機：
森林有“地球之肺”的美譽，可以凈化空氣、生產氧氣；有著改變低空氣流，有防止風沙和減輕洪災、涵養水源、保持水土的作用.而且是許多動物的棲息地，也是多類植物的生長地，是地球生物繁衍最為活躍的區域.特別是對氣候有很好的調節作用，但目前全球森林覆蓋面積的變化的形勢很不容樂觀，“地球之肺”已布滿斑痕：
全球森林主要集中在南美、俄羅斯、中非和東南業.這4個地區占有全世界60%的森林，其中尤以俄羅斯、巴西、印尼和民主剛果為最，4國擁有全球40%的森林.
聯合國環境規劃署報告稱，有史以來全球森林已減少了一半，主要原因是人類活動.根據聯合國糧農組織2001年的報告，全球森林從1990年的39.6公頃下降到2000年的38.億公頃.全球每年消失的森林近千萬公頃.
即使從1990年至2000年的10年間，人工林年均增加了310萬公頃，但熱帶和非熱帶天然林卻年均減少1250萬公頃.收集資料分析得到下面幾個地區的森林現狀：
南美洲共擁有全球21%的森林和45%的世界熱帶森林.僅巴西一國就占有世界熱帶森林的30%，該國每年喪失的森林高達230萬公頃.根據世界糧農組織報告，巴西僅2000年就生產了1.03億立方米的原木.
俄羅斯2000年時擁有8.5億公頃森林，占全球總量的22%，占全世界溫帶林的43%.俄羅斯上個世紀90年代的森林面積保持穩定，幾乎沒有變化，2000年生產工業用原木1.05億立方米.
中部非洲共擁有全球森林的8%、全球熱帶森林的16%.1990年森林總面積達3.3億公頃，2000年森林總面積3.11億公頃，10年間年均減少190萬公頃.
東南亞擁有世界熱帶森林的10%.1990年森林面積為2.35億公頃，2000年森林面積為2.12億公頃，10年間年均減少面積233萬公頃.與世界其它地區相比，該地區的森林資源消失速度更快.
而更為令人擔憂的事實是，在亂砍濫伐盛行的同時，非法砍伐也在大行其道.在非洲，加納有1/3原木為非法采伐；喀麥隆的大多數木材公司都參與非法木材貿易.印度尼西亞有70%的出口木材來自非法采伐，每年高達6000萬立方米.俄羅斯每年從遠東地區非法采伐的木材約150萬立方米，森林受盜伐的面積逐年擴大.
六．氣候變暖：
現階段大氣中CO2濃度已近災難臨界點，據相關氣象觀測和科學研究表明，1 750年大氣中的CO2體積分數為 \* MERGEFORMAT ， 2005年增加到 \* MERGEFORMAT 為65萬年來最高，并且CO2仍以每年 \* MERGEFORMAT 的速度增長.《應對氣候挑戰》最新報告指出：當全球平均氣溫比1750年時升高2℃后，引發災難的臨界點就會出現.研究發現，大氣中CO2體積分數達到 \* MERGEFORMAT 后，氣溫升高2℃就不可避免.CO2體積分數依照目前的增長速度，10年內就會跨過 \* MERGEFORMAT 這一門檻.近年來氣候變化之快是過去一萬年所沒有的.照此計算到2030年時大氣中CO2體積分數達到 \* MERGEFORMAT ，氣溫將升高3℃左右，給人類帶來無窮的災難：
氣候變暖，不僅僅是氣溫的高低問題，首先引發的是全球性的環境問題，進而涉及到人類社會生產、消費和生活方式以及生存空間等社會發展各個領域的重大問題，甚至危及人類的發展與生存.數據顯示氣候變化構成的威脅“接近核威脅”，這種威脅的效果“也許在短期內不如核爆炸造成的毀滅那樣強烈”，但“今后30 年或40 年的氣候變化可能對人類的棲息地造成急劇傷害”.尤其是20 世紀80 年代以來，環境問題逐漸從區域性、局部性向全球性、整體性擴展，出現了全球性的生態環境危機，氣候變化對世界全方位、多尺度和多層次的影響.隨著氣候的持續變暖，極端氣候事件在世界各地頻繁發生，對自然生態系統和人類生存環境直接產生了嚴重影響.
七冰川融化，海平面上升
伴隨近百年來的氣溫升高，全球冰川普遍退縮.阿爾卑斯山1850—1975年冰川面積縮小了35%，而到2000年，這一比例增至50%；喜馬拉雅冰川正以每年10~15 m 的驚人速度后退；而支撐印度最大的河谷盆地干戈特里（Gan-gotri）冰川也正以每年約30 m的速度后退.未來50 年，我國青藏高原多年凍土空間分布格局將發生較大變化，大多數島狀凍土退化，季節融化深度增加邁克.贊普（MichaelZemp）稱，在受到熱浪沖擊的2003 年夏天，就有7英寸厚的冰川融化.Michael Zemp等采用遙感、數字地形和數字模擬技術，預測結果為夏季升溫3℃， 可使阿爾卑斯山現存的冰川減少80%，而上升5℃，則該地區的冰川消失.高山、高原湖泊中，一些依賴冰川融水補給的小湖，最終可能因冰川融水減少而消失.冰川徑流對氣候變化的反應要比河川徑流更加敏感.海平面上升、海岸線后退是世界沿海各地都面臨的一場危機，對沿海、海島地區的生態及居民生產、生活將造成嚴重威脅.格陵蘭冰蓋如果完全融化，將使海平面上升7 m.專家預測，在印度尼西亞約1.8 萬個島嶼中，約2 000個島嶼將在30年內因氣候變化而被海洋吞噬；地勢較低的南大洋國家要求島民為徹底遷移作準備.
八．加劇旱澇及其他氣象災害：
氣候變暖影響到氣壓的正常波動和洋流的規則運動，大氣環流因此而局部變化，由此帶來的降水、風暴及氣溫分布失常，使地表徑流、旱、澇災害頻率加快加劇.
九．空氣質量惡化
氣溫上升會增加地面臭氧含量，而臭氧是煙霧的主要成分，導致空氣質量進一步下降.
氣候變化與經濟社會發展息息相關，未來氣候變化對經濟社會發展造成的影響日益明顯，甚至對國家的興亡和各行各業的發展都會帶來風險.全球變暖，正成為世界各國政府都不得不正視的問題.圖1表示的是以1861—1900年全球平均地表氣溫為基點，截至2005年全球平均地表氣溫的變化.可以看到，與上世紀初相比，到2005年全球平均地表氣溫上升了近1攝氏度.氣象學家預測，氣候變化會影響到人類的基本生活元素——水的獲得，糧食生產，健康和環境.隨著全球變暖，數以億計的人將遭受饑餓，水資源匱乏和沿海洪水的威脅.2006年英國政府的斯特恩報告對全球變暖可能造成的經濟影響給出了迄今為止最為全面的評估.
如果不立即采取強有力的措施，森林的砍伐和溫室氣體的排放用現在變化趨勢來衡量，2030年時人類的生產、生活、生存將會受到前所未有的威脅.
十．移民問題：
（一）國際移民的規模與分類：
國際移民指在原籍國以外的國家居住超過一年以上的人.近年來，全球移民的人數呈逐年增長的趨勢.據聯合國人口署統計，國際移民在1970 年只有8200 萬人，2000年迅速增至1. 75億.1980—2000 年， 發達國家接納的移民人數從4800萬劇增至1. 1億，發展中國家接納的移民人數也從5200萬增至6500萬.目前國際移民人口已接近2億，約占全球人口總數的3% ，而且這支隊伍還在快速擴大.聯合國2006年的《國際遷徙與發展》報告就此指出：“人類已經進入第二個遷徙時代.”國際移民分為四種劃分方式：
第一，分為自愿移民和被迫移民，前者或出于追求更好生活條件或與家庭團聚而移民，后者則指因人道主義災難、種族清洗、戰爭等被迫離開家園.
第二，分為經濟移民和政治移民，前者因就業或追求更多經濟利益移民，包括熟練工、非熟練工、臨時工、客籍工 等，后者則因逃避戰爭或政治迫害移民.
第三， 分為合法移民和非法移民，國際移民委員會(IOM)統計世界每年大約新增400萬非法移民，占移民總數的30—50%，其中約半數的非法移民牽涉偷渡、人口走私等國際犯罪活動.
第四，分為永久移民和短期移民，前者以永久居住為特點，后者包括客籍工、季度工等.
(二)當前國際移民的特點：
首先，分布呈現不平衡態勢.從移民去向看， 2005 年的數據顯示， 美國等發達國家仍是世界移民優先選擇的定居國.
圖13 移民的分布
2005年移民最多的國家人數分布
國家
美國
俄羅斯
德國
烏克蘭
法國
移民人數/萬
3840
1210
1020
680
650
其次，難民、非法移民是數量龐大的特殊移民群體.目前， 2億的國際移民中包括生活在發展中國家的920萬名難民，巴基斯坦的難民最多，人數超過100 萬.2000—2004 年， 世界難民人數增長了24%；僅2004年，尋求難民庇護者就達67. 6萬， 比2003年劇增19%.
此外， 非法移民問題也愈演愈烈，成為令各國政府頭疼的難題.目前，美國現有非法移民約1000萬，每年新增50萬左右；歐洲的非法移民超過500萬， 約占其移民總數(5600萬)的10%.再次，移民特別是非法移民自身人身安全和權利保護狀況堪憂.第一，移民特別是非法移民的人身安全面臨很大威脅.非法移民由于得不到法律承認，在非法穿越邊界時面臨被“蛇頭”拋棄和遭到其他意外傷害的危險.其次，移民的工資待遇和勞動條件得不到保障，被剝削和虐待情況時有發生.相較本地工人，移民勞工特別是非法勞工的工作條件普遍缺乏安全保障和醫療福利保障，超時工作屢見不鮮，經歷工傷事故的幾率很大；許多非法移民被走私者控制，無法自主地選擇工作，甚至被強制或脅迫從事，其中婦女和兒童的境況尤其糟糕.第二，移民的社會地位仍然偏低.移民被看成是對所在國經濟的臨時補充力量.盡管在定居國居住多年并承擔著很多公民的義務和責任(如按時向所在國納稅等) ，很多移民非但未獲得公民權，也未獲得和本地居民同等的法律地位.由于宗教、文化和價值觀的差異，移民也容易在政治和文化上遭遇排斥和邊緣化.如果一些當地團體刻意煽動對移民的歧視和仇恨，定居國社會對外來移民的恐懼和偏見情緒將更加強烈.
十一.淡水問題：
水危機是指自然災害和社會與經濟異?；蛲话l事件發生時，對正常的水供給或水災害防御秩序造成威脅的一種情形.看待水危機的視角不同，建立的應對機制與做出的決策將大不相同.根據國外經驗，一個國家用水超過其水資源可利用量的20%時，就很有可能發生水危機.
水是哺育人類的乳汁.沒有水的哺育，就沒有生命的繁衍；沒有水的世界，將是死亡的世界.地球上因為有了水，才變得生機勃勃.然而，由于種種原因，一方面人類對水的需求與日俱增，另一方面人為的浪費，使水資源不斷枯竭.水資源危機將成為2 1 世紀人類面臨的最為嚴峻的現實問題之一.
世界水資源及其發展趨勢：地球上水的儲量很大，但淡水只占2.5%，其中易供人類使用的淡水不足1%.據專家最新估計，全球陸地上可更新的淡水資源約42.75萬億 \* MERGEFORMAT ，其中易于使用的約12.5~14.5萬億 \* MERGEFORMAT .按1995年人口統計，全球人均淡水資源約7450 \* MERGEFORMAT ，其中易于使用的淡水人均約2180 ~2440 \* MERGEFORMAT .可見，地球上的淡水資源是有限的.
我們取12.5萬億 \* MERGEFORMAT 進行計算，很容易得出，到2030年時，我們的人均占有水量為1381.376045 \* MERGEFORMAT （取人口總量為：90.45948億）
表13 水量的影響
人均占有水量 \* MERGEFORMAT
1700
1000
500
產生影響
水壓力
水短缺
水危機
這是我們不考慮水的需求會增加、水資源會浪費產生的結果，這時已經處于水壓力狀態了，如果加上各方面的原因，最后的結果將遠遠小于這個值，很有可能達到水危機的地步！
水的需求隨人口和經濟發展而迅速增長.從1940－1990年，在50年時間內，全球總用水量增加了4倍.1995年全球用水總量已達36000億m3，人均 用水628 \* MERGEFORMAT ，約占易用淡水資源量的27~30％.
水資源在地球上的分布是很不均勻的，有的地方多，有的地方少.據聯合國調查，全球約有4.6億人生活在用水高度緊張的國家或地區內，還有1／4人口即將面臨嚴重用水緊張的局面.
隨著社會經濟的發展，人類對水資源的需求量不斷增大.本世紀以來全世界淡水用量增長了8倍，其中農業用水增長了7倍，城市用水增長了12倍，工業用水增長了20倍，而且世界淡水用量以每年 5％的速度遞增.目前世界上大約有90個國家，40％的人口出現缺水危機，30億人缺乏用水衛生設施，每年有300萬到400萬人死于和水有關的疾病.到2025年，水危機將蔓延到48個國家，35億人為水所困.水資源危機帶來的生態系統惡化和生物多樣性破壞，也將嚴重威脅人類生存.過去50年中，由水引發的沖突共507起，其中37起有暴力性質，21起演變為軍事沖突.專家警告：隨著水資源日益緊缺，水的爭奪戰將愈演愈烈.
十三..綜合影響：
如下圖所示，這些綜合的原因共同導致了2030年“完美風暴”的發生，它們不是相互獨立的個體，只要其中一個因素發生變化，相應的都會發生或大或小的變化，只是對于2030年來說，各種矛盾都匯集到了它的附近，致使產生不可估量的后果！
a.主成分分析法的建立
分析認為人作為一種主觀能動性很強的群體，相對于能源，糧食，淡水有著很大的不同，現在我們就通過主成分分析法來定量的研究人口，能源，糧食，淡水，這幾個因子之間的關系，并以人作為事件結果，其他的作為影響因素主成分分析是現代統計分析中的一種有效方法。假設某一個現象受多個因素同時影響，則可以考慮采用主成分分析法，有大量的實測數據中識別到底哪些因素對其發生產生主要的作用。
基本思想如下：把原來的各個指標化為可數的幾個互不相連的（或相互獨立）的綜合指標，達到數據化簡、揭示變量之間的關系和進行統計。
詳細的計算步驟:
(1)數據標準化變換
設實際觀測了 個 維樣本：
將 通過以下的標準化變換化為矩陣 的過程，稱之為標準化變換。
其中
（2）求相關矩陣
現引進相關矩陣：
按照以上的公式利用數學軟件，比如Matlab計算出相關矩陣。
（3）求相關矩陣 的特征值與特征向量
可以使用軟件,也可以使用迭代法求 的特征值與特征向量。用迭代法的具體步驟如下：
a）求 的各列之和，記為：
；
b) ，構造向量 作為初始迭代向量；
c) 計算 ，其各個分向量記為 ,取 ，作向量 ；
d) 按（c）做法進行迭代，則 ， 中的各元素的最大值即趨向于第一特征值 ， 即是第一特征向量；
e)求主成分，對 作正則變換，即得 對應的單位特征向量 ，并且記 ，則 的各分量分別代表 的第一主成分， 刻畫了第一主成分的貢獻率
求第二主成分：用相關矩陣 與 ， 計算矩陣
則 仍是 階對稱矩陣，按照前面的1）到5）的方法，相應計算出 ，同理求出 ；
f)按照上面的方法依次求出 。
其中，主成分貢獻率： ，累計貢獻率：
如果 個特征值的累計貢獻率大于某個預期的目標，如85%～95%，則可以認為這 個因素是原問題的主成分，這時，原來的問題的因素減少，研究問題的維數就相應的降低了。
Ⅱ.基于BP神經網絡的“完美風暴”危險預測模型 一．輸入輸出數據的歸一化處理
由于BP神經網絡訓練樣本集中輸入、輸出（目標）樣本參數的絕對值離散性有時太大或過于集中，在網絡權值矩陣誤差函數逼近過程中，易產生局部誤差最優或誤差震蕩等缺陷（如右圖示）。必須對輸入、輸出進行歸一化處理，防止在網絡權值矩陣誤差函數訓練時不會進入局部誤差最優或誤差震蕩等缺陷區域。此外，歸一化處理可以使得具有不同物理意義和量綱的輸入變量賦以同等重要的地位，避免數值大的變量掩蓋數值小的變量，避免神經元飽和，保證網絡的收斂性，提高網絡的收斂速度。歸一化處理：我們可采用下列公式將數據壓縮在（0，1）的范圍內，
二.輸入／輸出向量設計及網絡層數的選取
人口、能源、糧食、淡水對應4個參數，顯而易見，輸入變量是一個4維的向量，同時由上一個模型得到了五個風險等級評判參數，所以輸出變量是一個5維的向量，即危險指數。在樣本中，由于各種數據都是實際的測量值，因此這些數據可以對網絡進行有效地訓練。如果從提高網絡的精度的角度出發，一方面可以增加網絡訓練樣本的數目，另一方面還可以增加網絡層數。由于樣本數目足夠，在此模型中我們建立三個BP網絡進行分析。
對于BP網絡，有一個非常重要的定理。即對于任何在閉區間內的一個連續函數都可以用單隱層的BP網絡逼近，因而一個三層BP網絡就可以完成任意的 維到 維的映射。
隱層的神經元數目選擇是一個十分復雜的問題，隱單元的數目與問題的要求、輸入輸出單元的數目都有直接關系。隱單元的數目太多會導致學習時間過長、誤差不一定最佳，也會導致容錯性差、不能識別以前沒有看到的樣本，因此一定存在一個最佳的隱單元數。根據Kolmogorov定理[2]，采用一個 的三層BP網絡作為狀態分類器。其中 表示輸入特征向量的分量數， 表示輸出狀態類別總數。由于 =4，我們得知隱層的神經元數目為9個。
三.學習速率與訓練方法的確定
學習速率決定每一次循環訓練所產生的權值的變化量。過大的學習速率可能導致系統的不穩定,但是過小的學習速率將導致訓練時間較長,收斂速度很慢,不過能保證網絡的誤差值趨于最小。一般情況下,學習速率的選取范圍在0.01～0.9之間。
為了保證系統的穩定性, 我們選擇網絡學習速率為0.05。鑒于自適應學習速率通過保證穩定訓練的前提下,達到了合理的高速率,可以減少訓練時間。在本題中，我們采用自適應學習速率（ ）訓練方法。
四.傳輸函數的選取
期望誤差的控制，通過對網絡訓練參數的設定實現?？紤]到具體網絡訓練時的訓練精度和訓練時間，同時確保能夠對系統進行較好的預測，保證預測的實際精度，我們在網絡中使訓練次數極值 ,網絡訓練的誤差允許值 。
五.期望誤差的選取
期望誤差的控制，通過對網絡訓練參數的設定實現?？紤]到具體網絡訓練時的訓練精度和訓練時間，同時確保能夠對系統進行較好的預測，保證預測的實際精度，我們在網絡中使訓練次數極值 ,網絡訓練的誤差允許值 。
六.訓練樣本的確定
我們選擇1987~2002年的世界人口、能源需求、糧食需求、淡水需求的統計數據為訓練樣本，以2003~2006年的數據為檢測樣本，歸一化后的訓練樣本請具體參考附錄4.
神經網絡模型為：
MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT (1)
式中，
----輸入層輸入列向量（ ）；
----隱含層輸出列向量；
----神經網絡的輸出值；
----輸入層到隱含層的權值；
----隱含層到輸出層的權值；
----隱含層的閾值；
----輸出層的閾值；
該模型可用圖直觀表示如下：
得到的神經網絡的權值矩陣請具體參考附錄6
四．模型結果及其分析
一.關于主成分分析法結果的分析
1.對于人口的預測兩個模型得出的結果都比較合理，和約翰提出的相吻合，得出80.86的值。
2.對于能源，水資源的預測也較為標準。
3.得出了個個因子對于總結果的貢獻率，結果在2030年發生完美風暴。
二.關于BP神經網絡結果的分析
得出的結果也和約翰的預言一樣，將在2030年完勝完美風暴。
三．.對2030年“完美風暴”進行預測結果
通過上述模型的構建，我們已經對1987至2002年十六年的世界人口、能源需求量、糧食需求量、淡水需求量的統計樣本與危險評判等級參數之間的關系進行了神經網絡的訓練，得到了能夠反應兩者之間的關系（是一個復雜的網絡結構，通過權值矩陣來表示特征），若對“完美風暴”進行預測，只要將2030年所預測的世界人口、能源需求量、糧食需求量、淡水需求量的值輸入神經網絡中，就會輸出相應的危險評判等級參數，于是根據參數就可以判斷“完美風暴”發生的可能性。
經上述工作，我們得到了2030年世界人口、能源需求量、糧食需求量、淡水需求量的預測樣本如下：
世界人口（萬人）
能源需求（標準油：萬桶）
糧食需求（萬噸）
淡水需求（億立方米）
931070
121412
25944
152137
通過神經網絡模型的模擬訓練的到以下五個危險評判等級參數：
表5.8 2030年危險評判等級參數
19.6700
13.6741
15.4244
24.5720
26.9043
四.對能源、糧食、淡水需求量、世界人口預測值的分析
通過各種模型我們預測出2030年世界人口、能源、糧食、淡水需求量的預測值，并且我們將以2006年的數據作為人類生活環境的現狀。
表1人類生活現狀與預測值對比
年份
2006
2030
世界人口（萬人）
651776
931070
能源需求量（標準油，萬桶）
83719
121412
糧食需求量（萬噸）
17770
25944
淡水需求量（億立方米）
96452
152137
通過上表的數據我們可以得到以下結果：
（1）世界人口達到93億，遠遠超過83億
（2）能源需求量增加45.09%
（3）糧食需求增加45.9%
（4）淡水增加57.7%
根據上面四個結果，初步論證了約翰• 貝丁頓的“完美風暴”理論的正確性。
五．對BP神經網絡的“完美風暴”預測值的分析
通過神經網絡的模擬可以得到2030年的危險評估等級參數，將表5.8與表5.7.1的比較不難發現，到2030年，人類生存系統的危險評估等級參數非常高，達到危險的級別，證明了“完美風暴”發生的可能性非常大。并且我們也預測出2030年至2040年的危險評估等級參數，得出隨著時間的不斷推移，“完美風暴”發生的可能性越來越大，人類生存的環境將變得更加危險、惡劣，結果如下：
2031
19.7421
12.2322
24.3235
23.4214
11.3444
2032
21.4323
21.2445
13.4326
21.4313
21.3254
2033
24.0521
28.6923
26.9076
28.8943
28.3772
2034
25.4890
28.0485
28.9985
20.4787
29.8473
2035
29.0982
29.7872
29.0785
20.8893
29.9746
2036
30.8741
34.8983
38.7658
32.8989
33.6786
2037
38.6482
38.9874
38.6985
30.9875
39.8786
2038
39.8185
35.7623
40.8392
38.8899
45.2989
2039
43.8972
42.9824
32.0835
41.9782
41.8974
2040
48.9878
49.7864
48.7676
44.4896
35.3254
六..對BP神經網絡的穩定性分析
鑒于模型的目的是為了預測，所以模型的穩定性顯得尤為重要，必須對模型進行穩定性分析。
BP算法是一個有效的算法，由于具有理論依據堅實、推導過程嚴謹、物理概念清晰和通用性好等特點，是當前網絡學習的主要算法。同時存在一些不足，主要有：訓練時間長，出現局部極小值，網絡結構難以確定等。本文在建立神經網絡模型過程中，通過預處理以及合理選擇訓練方法實現網絡收斂、避開局部極小值，有效地提高了模型的穩定性。
（1）數據正規化處理（歸一化）和Matlab工具箱函數prestd實現數據正規化，通過對樣本集數據參數和輸出樣本數據參數進行正規化處理，可有效防止網絡訓練進入局部誤差最小或誤差震蕩缺陷[14]；
（2）根據 進行設計隱含層節點數，有效設計網絡，保證訓練精度、減少訓練復雜度、縮短訓練時間
（3）考慮到數據樣本的隨機性和非線性性，采用對非線性問題解決較好的S型傳輸函數。S傳輸函數使得輸出值在0和1之間，使算法收斂速度加快，對每次訓練進行有效調整，達到加速收斂目的；
（4）傾向于選取較小的學習速率以保證系統的穩定性,學習速率的選取范圍一般在0. 01～0. 9之間。我們選擇網絡學習速率為0. 05 。
（5）采用traingdx訓練函數訓練，附加動量法使反向傳播減少了網絡在誤差表面陷入低谷的可能性有助于減少訓練時間。
綜上所述，本文建立的神經網絡模型通過合理的處理和有效的方法選取，確保BP網絡高精度快速收斂。確保預測模型的精度和健壯性。
五.模型的優缺點分析
模型的優點：
1、運用灰色預測模型它能夠根據數據的變化規律，較準確的預測數據.得出的數據有一定的準確度，并且模型檢驗好.
2、在此基礎上由于是對較長時間的預測，為了保證模型的穩定性，我們又運用了離散型的灰色預測模型，它能保證模型具有很好的穩定性，對于長期的預測也會較準確.
3、運用微分方程模型，在已知增長率的情況下，能很好的預測在將來人口等因素的變化，有很好的穩定性和準確性.
4、本文所用數據來自聯合國統計局、世界經濟年鑒和世界統計年鑒，具有很強的真實性與代表性；
5、本文在建立了基于主成分分析法的危機預測模型，將危機發生的標準進行了量化處理；
6、本文在預測人口增長時使用了組合預測模型，大大提高了模型的預測精度；
7、本文將原模糊問題具體劃分為若干問題，文章的思路清晰且具有很好的連貫性。
模型的缺點：
1.在建立危機預測模型時沒有完全考慮到所有的因素；
2.在考慮環境與氣候因素的影響時，只做出了定性的分析。
3.由于對較長時間的分析預測加上數據來源可能的不準確性，導致算出來的誤差增加；對于問題原因的討論不全面導致遺漏有些因素或者我們假設時忽略了一些因素，也可能造成誤差的增大.
總之，該模型實用性較強，可以印證約翰提出的論斷。
六．模型的改進方向
1.在主成分分析時增加變量因子，全面考慮，量化題目中給出的個個函數及其參數。
2.在算結果時對結果進行人為的修正。
七.寫給有關政府部門的報告
（一）能源可持續發展
1.當今能源的現狀
1994年末全球的一次能源的可采儲量為14277.34一噸標煤，其中煤占73.1%，石油占13.8%，天然氣占13.1%，而當年的開采量為104.481億噸標煤。靜態儲采比137年，即經過137年后，一次性能源將被開采完全。這絕不是危言聳聽，而是鐵一樣的事實，即使科技的進步使我們的開采技術提高，但是那也只是推遲期限，能源枯竭終究會到來，對此我們該怎么辦呢？要想從本質上解決能源問題，就要從能源的本身入手，積極開發新型能，就是一種有效而長遠的方法。風能，太陽能，地熱能，潮汐能，生物質能源都是新興的清潔可再生能源，各國要努力在這方面投資開發，使之形成產業化。比如在農村地區，利用秸稈和畜禽糞便發展沼氣，具有廣闊的前景。
2.提高公民的節能意識
公民的節能意識在解決能源問題中同樣扮演著重要的角色，在這方面挪威的方法就很值得借鑒。在挪威政府把增強公眾的節能意識作為可持續發展的重要一環。在書店及公共圖書館里常年擺放著各種免費的環保方面的宣傳資料，在中小學的教科書里也增加了相應的環境能源保護部分，政府還出臺一系列政策加強企業的節能意識。
3.加強國際之間的合作
21世紀，世界各國更加重視發展，事實早已表明，任何國家沒有發展就沒有前途。發展需要能源，而世界常規能源并不是取之不盡，用之不竭的。發展的迫切要求和能源的匱乏已經不只是某些國家的問題了，世界各國都必須面對能源短缺的現實。當前國際油價居高不下是世界各國所面臨的嚴峻挑戰，所以一方面需要各國在能源方面做出開源節流的努力，另一方面也需要積極擴展新的發展思路，開展國際之間的對話，彼此增強了解，廣泛合作，才能有利于解決國際能源問題。
4.開發新的能源技術
當今最新的，也是發展最成熟，最有前景的新能源就是核能。核能發電對環境的污染小，經濟效益高。目前發展比較好的是核裂變發電，但是盡管能源潛力大，由于其具有放射性，且發電原料在地球上很稀少，且提純困難，所以雖然被廣泛使用，但是必將被另一種核能替代，那就是核聚變。核聚變無污染，且原材料非常豐富，所以被人們認為是人類最有希望的能源。
人類的文明是建筑在對于能源的認識和掌握上的，每一次人類文明的跨越都與能源技術的進步密不可分。因此要實現可持續發展，世界必須進行一次能源革命，這不僅是技術上的一次革命，能夠使世界的能源系統持續保證經濟的發展和社會進步；同時也是觀念上的一次革命，需要我們樹立“科學發展觀”
建立一個新的能源體系，使可持續發展化為全社會的動力和目標，是和諧社會成為我們永遠賴以生存的環境。
（二） 糧食可持續發展
認真確立以農業為基礎，始終堅持不放松糧食生產的基本思想解決糧食問題，其中的一個有效途徑是提高糧食的產量。可以通過穩定糧食的播種面積，挖掘潛力，擴田增糧。俗話說“皮之不存，毛將焉附”，有田才有糧，所以全世界范圍內一定要保證種糧面積，但是這并不等于是無節制的開發，向在某些地區依然存在的刀耕火種現象依然存在，這威脅的就不只是人類的嘴巴問題，更切身的是關系到人類長久生存的權利。
2.加大科研資金的投入
全世界都要改變糧食生產的模式，要有原來的規模效益向節約型、集約型轉變，努力提高糧食的產量，積極做到科技興農。一方面可以加大科研經費的投入，另一方面要鼓勵農業科技人員到糧食生產的第一線，進行技術指導，加強農、科、教的緊密結合，扶持種糧能手和種糧大戶，提高農民科技水平等等。另外，在整個世界要積極推進農業機械化，多采用大規模農場式的收中，努力提高集團效益。
3.加大農產品的流通機制
現在在世界的好多地方，出現著這樣的問題，就是農民的生產往往不能提供社會所需，設置有時候是背道而馳的。面對這個問題，各國政府一定要加大農產品的流通體制改革，引導農民按市場規律調整農村經濟結構，種植結構，養殖結構等等。政府要加強對市場的價格的調控能力，提高抵御市場風險的功能。只有農民這個糧食的原產者掌握好的方向，整個社會的糧食問題就走在了一條正確的道路上。
總之，最重要的是保護和合理開發利用資源，防止掠奪式、破壞性和浪費型的發展方式。保護和開發并重。建立適應社會市場的農業發展機制，世界的糧食可持續發展就有了希望。
（三） 水的可持續發展
水是生命的源泉，但是地球上的淡水資源卻極為的有限。地球上有70.8%的面積被水所覆蓋，但其中的97.5%是咸水。余下的淡水中卻只有87%是人類暫時難以利用的兩極冰蓋、高山冰川和高原地帶的冰雪。因此，人類真正能夠利用的水僅占地球總水量的0.26%。
目前，水資源短缺問題相當的嚴重，世界上有80多個國家約15億人面臨著缺水的威脅，其中26個國家的3億多人完全生活在缺水的狀態中，并且這一趨勢人在加劇。預計到2010年的缺水國將增加到34個。
此外，水污染，水浪費等水環境危機更是加大了水短缺問題。部分國家經常遭受干旱、水資源短缺、地下水位下降，荒漠化逐漸擴大。
八．參考文獻
【1】 李靜萍，謝邦昌，多元統計分析[M]，北京：中國人民大學出版社，2008
【2】 安維默，王吉利，統計電算化[M]，北京：中國統計出版社，2000
【3】 黃勇安，李文成，高小科：Matlab7.0/Simulink6.0應用實例仿真與高效算法開發[M]，北京：清華大學出版社2008
【4】 龔沛曾等C/C++程序設計教程[M] 上海：同濟大學出版社 2004
【5】 李茜，王豐效，李曉靜，多變量灰色預測模型的matlab程序，福建電腦，卷期號：32-48，2007年11期；
【6】 魏一鳴，范英，韓智勇，中國能源報告(2006)戰略與政策研究[M].北京：科學出版社，2006
【7】 張 帆，俞奇勇，基于GM 的能源消費量坡度優化預測模型，水電能源科學，第25卷第3期，116-220，2007
【8】 劉勇 白林，《基于 的回歸分析模型在經濟預測分析中的應用》，《中國管理信息化》，第11卷第15期，第66頁～第67頁
【9】 劉志平 石林英，《最小二乘法原理及其MATLAB實現》，《中國西部科技》，第17卷第17期，第33頁～第34頁
【10】姜啟源 謝金星 葉俊等，《數學模型（第三版）》[M]，北京：高等教育出版社，2007
【11】 劉思峰 謝乃明，《灰色系統理論及其應用》[M]，北京：科學出版社
九．附錄
1.matlab程序實現人口預測參量的求解
>>a [52.85 57.16 60.54 64.45] ; % 在此只取幾值，然后求其平均值
>>t[0 5 10 15];
M文件代碼如下：
X=52.85;
a= [52.85 57.16 60.54 64.45];
For j=1:1:5
i=14:15
M(i)=exp(-i):;
[xm,r]=solve[’ a(i)=xm/(1+(xm/52.85-1)* M(i)^r)’, ’ a(i+1)=xm/(1+(xm/52.85-1)* M(j+1))^r’];
t=1:1:30;
y=xm/(1+(xm/52.85-1)*exp((-r)*n));
plot(t,y,’b’t,a’ro’)
2.c++程序實現人口預測
#include "iostream.h"
#include "math.h"
#define N 30 // 定義符號變量以提高程序的普遍應用性
double peoplenumber(int n) //定義人口預測函數
{double x;
x=180.987/(1+(180.987/52.85-1)*exp((-0.0336)*n)); //預測函數
return x;
}
void main()
{int i,j(0);
double p[N];
for( i=0;i<N;i++)
{j=j+1;
p[i]= peoplenumber(j);} //預測人口數存入數組，調用人口預測函數
cout<<"人口預測logistic阻滯增長模型預測結果："<<endl;
for(i=9;i<N;i++)
cout<<"第"<<i+1<<"年世界人口總是："<<p[i]<<endl; //輸出第n年的世界人人口總數
}
得出的結果：
備注：預測結果（單位是億）
3.、1970~2006年世界人口統計數據（單位：萬人）
年份
人口（萬人）
1990
528500
1991
538500
1992
548000
1993
557200
1994
562980
1995
571606
1996
574560
1997
584590
1998
589848
1999
597773
2000
605412
2001
613010
2002
619973
2003
627252
2004
636969
2005
644598
2006
651776
4、1965~2006年世界能源需求量（標準油，單位：萬桶）
年份
能源需求量
1990
66830
1991
66811
1992
67519
1993
67377
1994
68666
1995
69830
1996
71489
1997
73591
1998
73928
1999
75549
2000
76280
2001
76828
2002
77737
2003
79158
2004
81898
2005
83080
2006
83719
5、1987~2006年世界糧食需求量（單位：萬噸）
年份
糧食需求量
1990
16542
1991
16608
1992
16683
1993
16754
1994
16824
1995
16850
1996
16910
1997
16928
1998
16930
1999
16973
2000
17118
2001
17230
2002
17492
2003
17460
2004
17495
2005
17573
2006
17770
6、1975~2006年世界淡水需求量（單位：立方米）
年份
淡水需求量
1990
39387
1991
39712
1992
40245
1993
41012
1994
43021
1995
46012
1996
50234
1997
55743
1998
61081
1999
65279
2000
70523
2001
74533
2002
78674
2003
83423
2004
87654
2005
91987
2006
96452
7.基于灰色理論的區間預測模型的在MATLAB上的實現代碼：
%區間擬合函數求解
%擬合上函數
format long
x=[1 3 5 7];
y=[172430 175180 177670 183650];
f=@(a,x)(172430-a(1)/a(2))*exp(-a(2)*x)+a(1)/a(2);
[xx,res]=lsqcurvefit(f,[1,1],x,y) %結果數據 -7.51166737366709*10^3 -0.00004916823135*10^3
y1=(172430-149720)*exp(0.05111*x)+149720
plot(x,y1)
%區間擬合下函數
x=[2 6 11];
y2=[172220 176380 187640]
f=@(a,x)(172220-a(1)/a(2))*exp(-a(2)*x)+a(1)/a(2);
[xx,res]=lsqcurvefit(f,[1,1],x,y2) %結果數據 -7.51166737366709*10^3 -0.00004916823135*10^3
x=[1:12]
y2=(172220-152775)*exp(0.04917*x)+152775;
plot(x,y2)
%樣本觀察
x=[1:12];
y=[172430 172220 175180 175980 177670 176380 183650 184180 184950 187640 187640 189369];
y1=(172430-149720)*exp(0.05111*x)+149720;
y2=(172220-152775)*exp(0.04917*x)+152775;
plot(x,y,x,y1,x,y2)
%預測總趨勢
x=[1:40]
y1=(172430-149720)*exp(0.05111*x)+149720;
y2=(172220-152775)*exp(0.04917*x)+152775;
plot(x,y1,x,y2)
jieguo=(y1+y2)/2
%結果：
(308453-197632)/197632
ans =
0.56074421146373
%預測結果
(7.5265-5.5502)/5.5502
ans =
0.3561
8.歸一化后的神經網絡訓練樣本
1
0.0952
0.0452
1
0.0971
0.0456
1
0.0977
0.0449
1
0.0962
0.0446
1
0.0957
0.0443
1
0.0937
0.0443
1
0.0949
0.0449
1
0.0955
0.048
1
0.0979
0.0526
1
0.0998
0.0598
1
0.0995
0.0684
1
0.1009
0.0771
1
0.1006
0.0832
1
0.1006
0.0908
1
0.1
0.0962
1
0.1
0.1016
9.神經網絡權值樣本
的矩陣
-0.0003
1.4996
0.0000
0.1114
0.0010
-0.8895
0.0000
-0.1879
-0.0008
1.0007
0.0000
-0.1790
0.0006
0.6688
0.0000
-0.2018
0.0005
-1.6956
0.0000
0.0505
0.0004
-0.9619
0.0000
-0.1823
0.0000
1.0965
0.0000
-0.1699
-0.0003
1.2249
0.0000
0.1555
0.0005
-0.8912
0.0000
0.1879
-0.0003
0.6332
0.0000
0.2036
0.0003
-0.2021
0.0000
-0.2171
0.0009
-1.7340
0.0000
-0.0217
-0.0001
-1.7297
0.0000
-0.0267
0.0006
-1.3718
0.0000
-0.1348
-0.0002
-1.4203
0.0000
-0.1267
-0.0008
-0.9607
0.0000
0.1823
0.0005
1.1794
0.0000
0.1610
-0.0002
-1.5214
0.0000
0.1066
-0.0013
-1.7410
0.0000
-0.0102
-0.0007
1.5662
0.0000
0.0958
的權值矩陣
-0.7230
0.9048
0.0340
-0.3546
0.0728
-0.6341
-1.0878
-0.7804
1.0115
-0.1780
0.1086
0.3968
-0.7142
-0.4737
0.9897
-1.4304
0.2776
0.2403
-1.0801
-1.3143
-0.0909
0.5139
1.1321
-1.3840
-0.8866
0.2027
0.0880
0.8417
-0.7847
0.4148
-0.9240
0.1843
-0.0587
-0.6443
-0.7613
-0.2070
-1.0837
0.1852
-0.0760
0.6968
0.0767
-0.1004
0.8627
0.0299
-0.2922
0.6816
0.7106
0.6381
0.1281
0.1788
-0.1406
-1.2258
0.2076
0.1697
0.9721
-0.4403
0.8129
0.8384
-0.9358
0.8717
0.5459
-0.1019
0.2277
-0.7660
-0.2656
-0.3723
-0.2732
-0.6195
0.1951
0.0976
-1.0444
2.5403
-1.8956
1.6311
0.5697
1.9262
-1.2993
1.8654
-0.8001
2.0897
-0.0916
1.2959
0.1931
1.1619
-0.2416
1.0940
0.6147
-0.8345
0.3543
-0.4817
0.6996
-0.4140
-0.9026
0.7450
-0.4116
-0.1089
-1.0921
-0.9064
-0.5705
1.3922
的權值矩陣
-160.5697
106.8334
-90.0593
-54.0237
165.4181
110.2566
-96.5197
-132.3848
74.4748
-77.0965
35.4486
170.2018
168.4408
141.5726
144.2084
75.7570
-121.6810
135.0404
163.1824
-153.7970
的權值矩陣
1.4945
0.3172
-1.5677
