前言：中文期刊网精心挑选了浪费粮食产生的后果范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
浪费粮食产生的后果范文1
关于节约资源保护环境的倡议书
亲爱的居民们：
最近我发现，我们小区地上花花绿绿的包装袋到处飞舞，用电、用水量也是乘直升飞机上升。在这个科技快速发展、衣食无忧的时代里，人们似乎已经淡忘了从前喝不上水、吃不饱饭的苦日子，完全没有把水、电、食物放在眼里。
这也不能完全怪你们，一吨水两块钱，一只塑料袋两角钱，对你们来说确实算不了什么，但是随手关上水龙头、电灯开关，出门前带上环保袋，真的那么难吗?
如果大家再不对资源浪费引起重视，后果将会不堪设想。也许有人会说：反正浪费一点点又没事，还有那么多呢。再说别人也看不见。可是，一人浪费一点，全球六十多亿人呀?你打算毁掉几条江，几片森林?再这样下去，在不久的将来，地球上的资源必将面临枯竭，人类以及万物的生命也将面临胁迫，而拉弓没有回头箭，所以要从现在开始，保护环境，珍惜资源，为地球的未来作出贡献。
其实保护环境，节约资源都是举手之劳。购物时带上环保袋，拒绝白色垃圾;洗完手随手关上水龙头，并不用过大的水洗手;离开房间顺手关上电灯、电风扇，并不在没人的房间里开灯。
我相信，如果人人都做到这几点，环境必将更整洁，空气必将更清新，世界也将会更美好。要时刻记住：再小的力量也是一种支持;人人一小步，就是质的提升!大家一起努力，共创和谐社会，美丽家园!
倡议人：
日期：
绿色环保倡议书
亲爱的同学们：
你们知道吗?中国人均资源量仅为世界平均水平的1/2，人均水资源量仅为1/4，森林覆盖率仅为世界水平的60%左右，于是国家提出了建设节约型社会的号召。教育资源是社会资源的重要组成部分，节约型社会呼唤节约型校园，期待建设节约型校园。学校是育人的场所，环境教育是提高我们思想道德素质和科学文化素质的基本手段之一，建立节约型和环境友好型校园，这不仅是学校自身发展的需要，更是我们学生应有的社会责任。
当你在这美丽的校园中学习，为我们美好的未来而努力着时，相信我们每一个同学都渴望有一个干净的校园，渴望健康的生命，渴望绿色，渴望我们有一个良好的生活环境。为了增强大家的环境保护意识，营造建设节约型校园的良好氛围，让校园、班级环境更加整洁靓丽，我校团委恳切地向师生们提出如下倡议：
1、废品回收：每班在各自的教室后面设置一个资源回收角(可用纸箱或袋子代替)，将可回收垃圾，如：废纸、废塑料、废金属、废橡胶、废织物等置入其中。
2、节约用水：用完水后，要及时关掉水龙头;见到滴水的龙头，及时拧紧;避免大开水龙头，提倡使用脸盆洗脸、洗手;洗涤剂要适量投放，避免过量浪费水;有损坏的龙头及时找管理人员更换。
3、节约用电：做到人走灯灭，光线充足时，不要开灯，避免白昼灯、长明灯的情况发生。
4、生活节俭：不盲目攀比，不随意浪费粮食，在食堂就餐酌量打饭，节约每一粒粮食，培养良好的生活习惯，让节约美德代代相传。
5、爱护校园一草一木：做绿色使者，保持空气清新。
6、养成好习惯：不随地吐痰，不乱扔果皮、纸屑和废弃物，不制造影响他人的噪声。选购绿色产品，少用一次性制品，减少白色污染。
7、维护校园环境：看见纸张垃圾及时捡起，遇到破坏校园环境卫生的现象及时制止，想到校园环境卫生的好建议及时提出。
一粥一饭，当思来之不易;半丝半缕，恒念物力维艰。中华民族历来倡导节约，孔子把俭和温良恭让一同列为基本的道德准则。校园文明我文明，校园美好我美好。同学们，让我们义不容辞地承担各自的使命，让知识在纯洁的环境中传播，让美好的心情在学习中延续，树立环保意识，养成节约资源的习惯，从我做起，从现在做起，从点滴小事做起，为共建节约环境友好型的和谐校园而努力吧!
保护环境倡议书
广大群众们：
你们好!我们共同生活的地球，碧海蓝天，鸟语花香，美丽极了!可是地球母亲却在哭泣。因为，在她的身上已经伤痕累累，遍布污染。亲爱的人们，让我们做保护地球的小卫士，让地球母亲绽开灿烂的笑容吧!
人们随意抛弃的废旧塑料包装制品，飘挂在树上，散落在路上，停留在草坪这种随处可见的污染的环境现象，成为白色污染。
现在时代进步了，人们环保意识越来越差，浪费现象越来越严重。比如：以前人们去市场买菜时，都是用篮子的，而现在人们为了贪图方便，去到菜市场买菜时，用塑料袋装菜。也有另一种现象：以前人们吃饭时，都是用瓷器的碗，现在人们也是为了贪图方便，使用了一次性饭盒，，但这些一次性的饭盒埋在地下后，即使风吹雨打，日晒雨淋，它依然不会消失。如果用火去烧，但也会破坏环境。据测算，每生产5000双一次性筷子需要一棵大树的木材。如果一年(365天)，那就要使用182500双一次性筷子。多大的一个天然数字啊!人们使用后把饭盒放进垃圾桶还好，可是某些人更可耻，使用完一次性筷子.饭盒后，居然还把它们扔在小溪里。导致我国的母亲河逐渐消失。但更可悲的是某些人到森林去砍树，人们每砍一棵树，地球母亲都在喊疼。知道吗?每棵大树一天可吸收0.1千克二氧化碳，产生0.75千克氧气。瞧!树的作用多大，可想而知我们失去树的后果。
收手吧!人类们，地球母亲在痛苦地哭泣!求求你们吧!难道你们没有感受到地球母亲的痛苦吗?地球是我们唯一的住处，它是我们的家园。
消灭白色污染，从我做起!
地球是我家，净化靠大家!
少用一个塑料袋，多尽一份环保心!
保护环境，人人有责!
此致
敬礼!
浪费粮食产生的后果范文2
48岁的周家林是成都邛崃固驿镇花园村的一名种粮大户。去年，凭借承租自家周围3200亩土地种粮，他盈利100多万元，省市两级政府又给予他90多万元种粮补贴。于是，周家林拿出了50万元，给自己订购了一辆豪车。
周家林大字不识，种了一辈子地，从未如此阔气过。而亲近了一辈子的土地，也从未像今天这样给予他如此慷慨的馈赠。
土地还是那个土地，粮食也还是粮食，只不过，周家林种地的面积由当初村里分配的人均9分，户均不足3亩，扩展到了如今的3200亩。土地流转集中后产生的规模化效应，让种粮能手周家林得以聚沙成塔，成为了百万富翁。
作为全国统筹城乡改革试验区，成都是国内率先实施农村土地确权，鼓励土地流转和规模经营的地区之一。周家林也藉此成为成都规模化种粮的成功典范。
但本刊特约记者深入调查发现，周家林式的种粮大户有其难以复制的特殊性，在成都土地流转粮食规模化经营的热潮背后，粮食安全的现实并不如想像中那么乐观。
难以复制的“周家林”
“去年，成都的种粮大户只有周家林真正赚钱。”成都市农技总站站长曾必荣说。虽然周家林连连摆手，示意曾站长这句话说得有点绝对，但他毫不掩饰内心的骄傲，“我从2003年至今，种粮从来没亏过，就算政府不给补贴，我也能盈利。”
据四川农业部门统计，2013年四川省30亩以上规模化种粮主体13391个，流转规模152万亩，但71.3%的种粮大户规模仅在30-50亩之间，规模达到1000亩以上的只有135户，仅占1%。这其中真正能赚钱的，更是凤毛麟角，周家林便是其中之一。
周家林盈利的秘诀，是对生产环节每项成本的锱铢必较。比如，请人翻田一亩要50元，周家林只花17元，其中人工费5元，车和油都自己出，12元成本。外面买种子要25元一斤，周家林自己育种，只需6元。化肥哪些田要撒，哪些可以不用，都严格控制，绝不浪费。规模化种粮，晾晒烘干是难题，周摸索出一套不用晾晒的收割方案，省去了烘干成本……
“周家林很难复制，一般人学不了。”成都市农委处级调研员黄兴龙说，除了熟悉农业和懂精细管理，周家林作为当地土生土长的农民，他能低价请到的工人，别人花高价也请不到，他低价租得到的土地，外人根本租不到。
周家林租3000亩土地，原来是3000人种，现在周家林最多时才请100个工人。“100人种3000人的地，周家林挣的其实就是人工减少的钱。”曾必荣说。
要在种粮微薄的产值里保证赢利，周家林不能不精打细算。据曾必荣测算，从育秧到最后收贮，周家林每亩投入只有480元，比一般农户要节约340元。正是靠严苛的管理，周家林在保证产量的同时，能将种植成本控制在每斤1元钱。这样，2012年粮价1.5元一斤，他能赚5毛；2013年，粮价跌到1.25元/斤，其他种粮大户都喊受不了，要求启动国家托市价减少亏损，惟周家林仍能赚钱。
补贴与产量倒挂
成都对粮食规模化种植实施财政补贴始于2012年。这一年，四川省政府率先出台政策，对粮食规模化种植30亩以上的每亩补贴20元。成都市随即出台政策，要求市县两级财政对50亩以上的种粮大户每亩再补贴20元。这意味着，当年成都种粮大户每亩能拿到补贴60元。
2013、2014年，补贴额度连年翻番。到如今，流转1000亩土地种粮，最高能从省市两级政府手中拿到90万元的财政补贴。对周家林而言，政府补贴持续上涨，无疑是锦上添花。
正是依托良好的农业基础设施条件和强劲的扶持政策，成都的粮食规模化种植面积增长迅猛。2012年水稻规模经营面积才12万亩，2013年就达到18.8万亩，增幅超过50%。
但耐人寻味的是，粮食补贴增涨、规模经营面积增加的另一面，是成都粮食播种面积逐年减少的趋势却依然难止。统计数据显示，2011年，成都粮食播种面积640万亩，到2012年614万亩，减少25万余亩，到2013年又减少了约18万亩。粮食种植面积的减少，直接导致的后果就是粮食产量下滑。
黄兴龙曾做过计算，以2011年成都常驻人口1163万计算，全市当年粮食消费需求大约是248万吨，也就是说，不考虑人口增长，成都至少需要年产粮250万吨才能保障“口粮基本自给”。然而，当年成都粮食产量还有250多万吨，此后逐年下滑，2012年是249万吨，2013年，按国家统计局口径，成都粮食总产量已不到243万吨，“2011年还敢提粮食自给有余，现在没人说了。”
关于粮食播种面积和产量减少的原因，黄兴龙分析说，一方面是成都城市扩张，大规模基础设施建设占用耕地造成耕地面积不断减少；另一方面，土地大规模流转也造成土地租金上涨，进一步挤压种粮的收益空间，导致农民种粮意愿下降。
800元的盈亏线
据业内行家计算，按现有粮价和政府补贴政策，土地租金800元是种粮的“盈亏线”。
目前，成都周边区县一二圈层的土地年租金已高达每亩1100斤大米，折合人民币2200元，大大高于粮食亩产值，所以在有“金温江、银郫县”美誉的成都一二圈层平原地区，已几乎没人种粮。曾经粮食亩产可达800公斤的肥沃土地，如今除了被征用于城市建设，种的都是花卉蔬菜苗木等经济作物。
只有走到邛崃、金堂等三圈层远郊区县，地价还相对较低，目前每亩价格在750元左右。因此，包括周家林在内的成都粮食种植大户，都集中于三圈层以外。
以沃野千里闻名的成都平原，是否正逐渐失去“天府之国”的传统意义和光彩？
浪费粮食产生的后果范文3
关键词：耕地撂荒；粮食安全
1.引言
农业是我国国民经济的基础，而耕地又是农业最基本最重要的资源。我国自古以来就是农业大国，人口大国，但却不是耕地大国。“我们以占世界7%的耕地养活了世界22%的人口”在道出了中国人创造了用自己的勤劳智慧养活自己的奇迹的自豪感的同时，也表露出中国耕地的匮乏。因此，我们坚持严格保护耕地的基本国策，尽可能去争取和保护每一寸耕地。然而就在如此严峻的形势下，耕地撂荒仍然困扰着我们这个人多地少耕地匮乏的国家。
2.耕地撂荒的基本内涵
2.1耕地撂荒
耕地撂荒是一种粗放用地，极端不利用耕地的行为。（谭术魁.2004）
2.2耕地撂荒的类型
按照耕地撂荒驱动因素的不同，可将耕地撂荒分为生态因素驱动型与社会因素驱动型。
2.2.1生态因素驱动型耕地撂荒
数千年来中华民族创造了灿烂的农耕文明，但也一直被人多地少的矛盾所困扰。为了化解这一矛盾，国人一直致力于开垦耕地、提高耕地的生产力。由于耕地需求量大加之特殊历史时期国人所犯的错误，许多不该开垦的土地也被开垦用做耕地，种种历史和自然原因交错形成了中国中低产田的比例相对较高、现有耕地存在多种不易改变的限制因素的现状。根据全国农业区划委员会于1990年组织的全国县级农业综合开发后备土地资源调查结果，中国耕地中存在各种各样的障碍因素。就耕地的农业生产能力而论，它们占耕地面积的比例分别为：瘠薄耕地1.7%，渍涝水田4.1%，渍涝旱地4.7%，盐碱耕地2.9%，坡耕地11.1%，风沙耕地2.2%，缺水耕地17%，其他障碍因素的耕地7.9%。种种障碍因素严重制约着耕地的质量，全国现有的中低产田主要是由上述这些耕地所组成的。有些耕地往往存在着多种障碍因子，如风沙耕地又缺水，坡耕地又瘠薄等。（王秋兵等.2004）这些障碍因子往往在自然状况不好的年际会对耕地质量产生强烈的恶化作用，从而使农民因无法耕种或耕种成本过高而放弃耕种，即形成耕地撂荒。
生态因素驱动型耕地撂荒主要可以分为以下几个类型：
供水条件恶化造成的耕地撂荒.。我国新疆内陆河流域、甘肃民勤县、内蒙古黑河流域、青海湖周边都有相当数量的耕地因供水条件恶化造成撂荒。
水土流失造成的耕地撂荒。水土流失已成为我国耕地撂荒的重要自然驱动因素。例如东北的松嫩平原、秦巴山地区都受到水土流失的困扰并有教派大面积耕地因水土流失而撂荒。
常年干旱造成的耕地撂荒。常年干旱是种植业最可怕的制约因素，而且易引起耕地撂荒。安徽、山西晋中、内蒙河套灌区就出现了因常年干旱而造成的耕地撂荒。
土地沙化、风沙埋压造成的耕地撂荒。荒漠化已成为我国最为严重的生态环境问题，特别是在中西部地区，已危及当地人民的生存与发展空间，严重影响生态安全及经济社会的可持续发展，并已诱发了严重的耕地撂荒现象。
盐碱化造成的耕地撂荒。因盐碱化造成的耕地撂荒现象也不少见。在柴达木盆地农业区，近三分之一的耕地处于地下水位声该的潜在威胁之中，发生次生盐渍化的可能性极大。因为土壤次生盐渍化月28万亩的耕地已弃耕，尽管改良治理10万亩，仍有18完亩耕地处于弃耕状态。（谭术魁.2004）
2.2.2社会因素驱动型耕地撂荒
社会因素驱动型耕地撂荒主要包括：务农收益低与耕地承包经营权流转不畅相互作用造成的耕地撂荒；基层政府及工作人员工作方式欠妥或主观故意造成的耕地撂荒；建设项目搁浅引起的耕地撂荒；对土地利用改造不周造成的耕地撂荒；灌溉设施难以保证、灌溉费用过高造成的耕地撂荒；土地权属纠纷造成的耕地撂荒。
在以几种社会因素驱动型耕地撂荒中，因务农收益低与耕地承包经营权流转不畅相互作用造成的耕地撂荒发生范围较为广泛，而其他几种撂荒分布的规律性较弱。本文主要讨论因务农收益低与耕地承包经营权流转不畅相互作用造成的耕地撂荒。
3.耕地撂荒的后果评价
3.1对自然环境的影响
3.1.1有利于农田土壤的恢复
此处所提及的耕地撂荒主要指社会经济因素驱动发生的撂荒。耕地被弃耕后，相当于采用了休耕的耕作制度。休耕对地力恢复的作用是很显著的。在松嫩羊草草原对不同撂荒年限的草原农田土壤及植被变化规律的研究发现，撂荒能加大土壤的密实度，减小风蚀作用，抑制有机质吹蚀量，还因为土壤重新长出植被，根系固定土壤，也减弱风蚀作用，加厚土壤腐殖质层，增加有机质含量。随着撂荒年限的增加，物种多样性指数逐年增高，pH值、电导率、含盐量变化规律则不明显。与对照组比，土壤有机质秒年个差距逐年缩小，从撂荒一年相差0.69%到撂荒四年相差0.12%。（谭术魁.2004）
3.1.2加快荒漠化进程
滥开滥垦，耕地撂荒的直接结果之一就是荒漠化扩展、沙尘暴频发。20世纪50年代以来，我国曾多次对草原、固定沙地等不宜开垦的土地进行开垦，其结果是破坏了生态平衡，这些新开垦的耕地大部分很快退化，进而被撂荒。由于生态环境被严重破坏，原有的植被很难在短时间内得到恢复，这就导致地表，加之这些地区本来自然条件就比较恶劣，很容易边成荒漠的新领地。
3.2对社会经济的影响
3.2.1造成严重的社会经济损失
首先，从经济学层面来看，土地作为社会经济的基础资源，是异常宝贵的，。因此，耕地撂荒是一种社会资源的极大浪费。再者，被撂荒的土地中相当一部分是肥沃的良田，有很高的粮食生产能力，撂荒后单是减产粮食的损失也是相当惨重的。另外，大量存在的抛荒地也加大了森林火灾的发生几率，造成了人民人身安全和财产安全的又一的隐患。
3.2.2影响农村发展
耕地撂荒后，因大量青壮年劳动力的外流，农村的各项事业，比如兴修水利，道路等都没有充足的劳动力去建设，这又成为农村发展的一大阻碍。
3.2.3为农业产业结构调整提供契机
耕地撂荒从某种程度上看是社会资源的流动，市场经济追求效益最大化的本质将促使它最终流向最有价值的领域。而产业结构调整正是要达到这样的目的。
4.规避耕地撂荒的对策
因生态因素驱动型耕地撂荒与社会因素驱动型撂荒产生的原因迥异，应遵照“具体问题具体分析”的方法论寻求解决问题的思路。
4.1生态因素驱动型耕地撂荒的规避对策
由于引发耕地撂荒的生态因素具有多样性，应建立一个完善的多维的规避机制，以应对各种不同的撂荒类型。
第一步，找出撂荒的主要诱因。
第二步，判断诱因可否人为规避或被改善。
第三步，根据事先设定的社会、经济、生态等约束条件评价具体的撂荒地块是否应该恢复原有的土地利用类型。若通过三个层次的评价适宜用做耕地，则可通过土地整理，开发复恳，兴修水利等必要措施使其恢复耕地功能。否则，应该考虑将其用做其他用地类型。
4.2社会因素驱动型耕地撂荒的规避对策
4.2.1社会因素驱动型耕地撂荒的背景及原因分析
社会因素驱动型耕地撂荒具有广泛的、深层次的社会经济原因。农民作为理性经济人，当务农收益较低时必然会走出农村寻求收益更高的工作，于是外出务工人员所承包的土地则流落在撂荒的边缘。解决这一问题的最好办法是通过土地市场方式，即土地流转使其耕地转移到有耕种能力的人手中，从而避免被撂荒。然而，现实情况是农村土地发育不健全，承包经营权得不到充分的流转。因而导致大量的耕地被撂耕，令人无比痛心的是其中有很多是历史上著名的优质、高产产粮区。要探究社会因素驱动型耕地撂荒的原因，最根本的是要弄清楚务农收益低下和土地流转不畅的原因。
4.2.1.1务农收益低下的原因
现行土地承包经营制度的弊端。土地承包经营制度建立之初对中国农村发展产生了巨大作用，但从实践来看，现行农村土地集体所有制并没有从根本上使农民的收入得到改善，反而加大了城乡差别。在现行土地承包经营制度下，农业难于形成农业产业特色；难于产生农业规模效益；难于实现农业现代化和产业化管理；难于提高土地产出率。（陈建明，浩等.2006）
农业产品加工率低导致更大的工农业产品剪刀差。我国农业产品加工率低，从而是国内工农业产品剪刀差加大，使农民的生产和生活成本提高了，而由于农产品加工率较低，农民所生产出来的产品---粮食的价格比较稳定，这样就导致了一个事实：收入增长落后于支出增长，从而降低了农民的务农收益。
农民的生活水平提高带动货币性支出的增加。改革开放以来，全国人民的生活水平有了显著提高，同时物价也有较大涨幅，增加了更多的涨价的消费，必然会导致务农收益的相对下降。
4.2.1.2土地流转不畅的原因分析
家庭联产承包经营制实施以来，我国出台了多项鼓励土地承包经营权流转的政策，但农村承包经营权流转仍然只发生在不甚广泛的范围，流转的速度也较慢。原因主要有以下几个方面：
一是土地流转对土地转出户和转入户来说收益都太低；二是农民的“恋土情结”；三是缺乏成熟完善的流转机制。
4.2.2社会因素驱动型耕地撂荒的规避对策
从实质来看，社会因素驱动型耕地撂荒是“三农”问题的一个方面，要解决这一问题，最终要归结为“三农”问题的解决。在此提出几个具体的规避对策，如下：
一、深入研究现有的土地法律制度，加快土地制度改革，促进农村土地市场的发育。
二、建立农村社会保障体系。
三、坚持“工业反哺农业”的方针，采用“蓝箱”、“绿箱”政策支持农业发展。
四、提高农产品的加工率。
五、大力发展农村教育，提高农村人口的科学文化素质。
参考文献：
[1]谭术魁.中国耕地撂荒问题研究[M].北京：科学出版社，2004.
[2]王秋兵等.土地资源学[M].北京：中国农业出版社，2003.
[3]陈思源，曲福田，刘兆友.农地非农化与人类活动的动力学演化分析[J].中国土地科学，2006，2（20）：24-27.
[4]张凤荣等.1996-2004年中国耕地粮食生产能力变化研究[J].中国土地科学，2006，2（20）：8-14.
[5]章波，唐健.建耕保新机制 促新农村建设[J].中国土地，2006，（3）：8-10.
[6]汤小俊.怎样才能守住“18亿亩”这个底线[J].中国土地，2006，（4）：4-7.
[7]陈建明，浩.社会主义新农村建设的现实选择：农村推动承包经营权流转[J].
[8]郭紫薇，钟凯.我国农村土地产权制度的多元改革模式[J].国土资源，2006，（1）：27-29.
[9]蒋承菘.对保护耕地的再审视[J].中国土地，2006，（3）：14-16.
[10]张凤荣等.北京市土地理应总体规划中的耕地和基本农田保护规划之我见[J].中国土地科学，2005，1（19）：10-16.
[11]许发圣.山区耕地平衡的问题与对策[J]，中国土地，2005，（5）：39-40.
[12]陈延一.退耕还林交响曲[J]，国土资源，2005，（11）：4-13.
浪费粮食产生的后果范文4
关键词：我国；土地资源保护；问题；对策
中图分类号： F301 文献标识码： A DOI编号： 10.14025/ki.jlny.2015.20.071
1 国土资源开发利用过程中存在的问题
1.1 违规占用，耕地面积不断减少
近年来，我国的工业化进程不断深入，加上城镇化的加速发展，对于土地的需求一直处于旺盛状态，城市的扩大必然需求大量的土地资源，但在发展过程中，存在规划不科学、土地利用不合理的情况。土地占用不按规定执行，甚至一些房地产开发企业违规圈地，导致耕地资源数量不断减少，耕地保护形势十分严峻。耕地面积的减少势必会影响到农业的生产及粮食的安全，给社会稳定带来威胁。
1.2 土地沙漠化趋势严重
在社会的发展过程中，人为对自然植被的破坏，直接导致我国土地沙漠化严重，原有的耕地沙漠化日趋严重，也导致耕地面积不断萎缩，据统计，我国的土地沙漠化速度呈不断加快的趋势，目前耕地基本上以每年2000多平方公里的速度在逐年减少。
1.3 土地质量不断下降
乱砍滥伐、过度垦殖、无序开发导致我国的水土流失十分严重，而且工业的无序发展导致水资源恶化，农药、化肥的使用也给土地的质量带来威胁，土地质量不断下降，这对于农业生产来讲影响至深。近年来常见报道一些金属大米、毒大米事件，都是土地被污染后质量下降而产生的后果。
2 土地资源保护及可持续开发利用的相关对策
2.1 对经济增长及土地利用方式进行调整
在经济增长上，要加快产业政策的调整，大力发展第三产业，这样更能集约利用土地，避免对土地资源的占用过多；在产业布局上，要向资源集约型产业的方面转化；在农业生产上，要向土地集约化耕作的方式和种植方式转变，大力发展土地节约技术产业。
2.2 科学进行城市发展规化，提高土地利用率
一是要确定土地利用的主体规划地位，总体规划利用土地应当占主导地位，根据社会经济发展需要对土地进行科学合理的分配，以可持续利用与开发为着眼点，保证耕地红线，还要努力寻求发展；二是对建设用地的控制，要提高土地的集约利用率，对于中小城市的发展要在加速发展进程的同时，控制城市的发展规模，对于有限的土地进行集约利用，避免无序开发，更要杜绝摆大摊子、“烙大饼”式的城市发展，一定要控制城市外延的无限扩展；三是挖掘城市土地潜力，提高利用率与产出率。调整区域城市结构、城市用地结构和用地布局，考虑城市、集镇相互协作，取消重复设置，减少城市化过程中不必要的耕地浪费。
2.3 对土地的使用方式进行管理
在土地的管理中，耕地资源的数量对于稳定粮食安全至关重要，所以在土地的使用方式上，要加强管理，确保耕地红线不被突破。另外在土地开发上，要注重生态平衡，以不影响生态环境为基本原则，要把耕地总量指标不变作为动态平衡的目标，实施有弹性的耕地总量的动态稳定政策。在用地方面要严格把关，严格审批，加强审批后的监管，不得违规改变用途，对重点地区、城市、项目要特别强化管理，落实用地备案和批后的检查工作。国土资源管理要实行听证制度，推进国土资源管理的依法行政。
2.4 要在土地资源的质量保护上下功夫
土地资源只有规模远远不够，更重要的是土地的质量，近年来我国的工业农业生产的发展给土地的质量带来严重的影响，导致土地的质量下降，土地资源流失严重，所以今后为了确保土地资源稳定，要加强对土地资源质量的保护，在保护提高土地质量上下功夫，实行退耕还林、退耕还草、休耕等。休耕就是将容易发生侵蚀的地区的耕地转化利用方式为林地、草地或者休耕，用于更好地涵养水源，防止水土流失。另外对于中低产田进行改造，挖掘耕地生产能力，进行以改造中低产田为中心、荒地开垦和废弃地复垦的经济性研究。
2.5加强对土地资源的生态环境保护
在农业生产中，大量的化肥及农药的使用，虽然达到了省工省力，带来巨大经济效益的目的，但这都是短期行为，从长远来看，对环境和生态的破坏是影响生态农业的主要障碍之一。化学长期投入到耕地中，多年后土壤中的微生物越来越少，土壤的理化特性发生改变，板结严重、不保水、不保温，通透性变差，这对于作物生长十分不利，肥料的增加不仅对粮食的增长作用不明显，而且会对环境产生污染。农药的使用也同样会带来不利的影响，长期使用将导致病虫害的抗药性增强，而不得不加大药量，从而污染环境。另外大量农药的投入对于生态系统中的生物群落也产生重要影响，致使一些害虫的天敌被杀死，产生连锁反应，比如害虫死后，被天敌所食最终也中毒死亡，破坏了天然生态系统的平衡。
3结语
浪费粮食产生的后果范文5
绿色总给人亲近的感觉，当可新能源被冠以绿色能源的名称时，人们便对其抱有美好憧憬：只要我们使用绿色能源，清新的空气、洁净的水源，以及经历巨变而焕发新生的经济将呈现在我们面前。
但事情往往不这么简单。近日世界自然基金会（WWF）最新的《生物能源的潜在风险和潜在效益并存》却给我们“美好的憧憬”泼下一盆冷水：如无适当的行动、目标和政策，发展生物能源就会演变出在“环保”名义下继续破坏地球生态的恶果。
WWF泼了盆冷水
“生物能源的生产如果管理不善，将摧毁宝贵的生态系统、危及粮食和水的安全、伤害到农业社区、加重能源消费中的浪费现象。”2011年是世界森林年，世界自然基金会近日了《森林生命力报告》，其中的第二章《森林与能源》对生物能源的发展提出如是忠告。
其实，生物能源的扩张可能对土地资源和水资源产生进一步的压力，早已是不争的事实。世界粮农组织之前就指出，能源作物与粮食作物存在争地风险。按照目前的生产条件，大约需要2500升的水才能生产1升的液态生物能源，而同样数量的水所能生产的粮食却可满足一个人的日均食物需求。因此报告指出，在农业生产效率没有明显提高的情况下，粮价将可能上涨，无力承担粮价上涨的贫困地区将愈发脆弱。
WWF报告还显示，第二代生物燃料以麦秆、草和木材等为主要原料，导致速生树种大量种植，对物种多样的天然生态森林造成破坏。棕榈油就是“典范”，1986年随后的20年间，印尼棕榈树种植面积增长近10倍，但自1990年起，印尼有2800万公顷雨林遭到破坏。
不仅如此，作物的种植、能源的提炼和运输需要能源，作物扩大栽培和集约经营导致的土地直接和间接改变也会产生温室气体排放，导致负的碳平衡。
WWF总部气候与能源项目负责人萨曼莎?史密斯向《国际先驱导报》指出：“森林或农村土地在被转化的过程中会增加二氧化碳排放，而生物能源生产全过程所排放的温室气体，也并不一定比化石燃料少，玉米乙醇就是例证。”
如不对生物能源发展所潜藏的社会问题加以管理，后果可能还导致不平等状况的加剧，如土地所有权的进一步集中、小农和依赖森林生存的人们流离失所。
绿色能源的不“绿”之处
实际上，关于绿色能源的争议并非只针对生物能源。
日本大地震导致的核危机将本已争议不断的核能再次推向风口浪尖。日本政府已表示将大幅度调整能源政策，降低对核能的依赖程度；在德国，日本核危机引发的连锁反应，迫使一贯支持核能的默克尔，决定在2022年前关闭本国所有核电站。据国际能源署《世界能源展望2011》报告显示，日本福岛核事故将导致2035年全球核能发电量下降15％。
备受争议的还有国内近来风波不断的太阳能光伏发电产业。2011年9月，因浙江晶科能源有限公司不当堆放含氟固体废料，致使该固体废料被暴雨袭击后，经雨水管线排放至附近小河，导致河水中氟离子超标9倍造成河道大量鱼类死亡。
工业废料问题仅是光伏产业受争议的一方面，事实上，生产一块1m×1.5m的太阳能板必须耗费超过40公斤煤。同时，作为光伏产业基础材料的多晶硅本身即属于高耗能、高污染产品，从生产工业硅到太阳能电池全过程综合电耗约220万千瓦时/兆瓦，而且多晶硅生产的副产物四氯化硅如处理不当也将对环境造成极大破坏。此外，光伏系统所使用的蓄电池所含有的铅、镉、硫酸等有毒物质都可能对土壤、地下水等造成污染。
其实，即便被广泛认为百分百“绿色”的水电和风能，其给环境带来的污染也不可避免。
水电对于生态环境的影响，业界一直没有明确定论。2010年12月，环境保护部污染防治司副司长凌江表示“水电在某种程度上可能比火电造成的污染更严重。”与此同时，风力发电在大量减少二氧化碳排放方面所发挥的作用也被打上问号。因为风并不总是存在，风力发电设备就必须使用火力发电方式来抵消风力的不可靠，结果造成二氧化碳减排效果不明显。
丹麦是大力推广风能的国家，1999年到2007年间，风能发电量翻番。丹麦天然气和电网运营商数据显示，2007年丹麦生产电力所排放的二氧化碳量与1990年大体相当。显然，丹麦的二氧化碳排放量并未因为风能发电的普及而有所减少。
谁最污染
“它们所造成的环境影响以及差异，已得到科学界的广泛认同。人类需要基本的能源服务，而每一种能源都会产生利弊两种影响。”萨曼莎?史密斯认为，公众应该对绿色能源的环境风险，有更加充分、理性的了解。
长期以来，除去因各种利益因素，人们似乎在有意忽略绿色能源的环境风险，WWF告诉本报记者，其实人们忽视绿色能源也会污染环境的很重要原因在于，人们目前推广绿色能源中，往往过分强调能源使用环节的清洁，而忽略了能源产品从最初研发直至最终消亡整个过程中的污染或清洁状况。
科学界对能源的综合评价制定了很多工具，其中一个叫“生命周期评价法”，已得到普遍认同。这种评定工具，既包括制造产品所需要的原材料的采集、加工等生产过程，也包括产品贮存、运输等流通过程，还包括产品的使用过程以及产品报废或处置等废弃过程，这个过程构成了一个完整的产品的生命周期。
对可再生能源来说，只有在其使用周期所贡献的能量，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传统能源产品污染的时候，才是有价值的。
美国科学院2009年了一份名为《能源隐性成本：能源生产和使用过程中无法计价的后果》的报告，提出要综合考虑能源的各种隐形成本，如环境损害、非环境损害、基础设施建设以及国家安全。在研究汽车不同的动力来源对环境的影响时，报告的初步结论是虽然靠汽油驱动的技术在空气污染和温室气体排放方面的损害要高于其他能源技术，但电驱动车则在综合损害方面要大于其他能源技术。
造成这个问题的原因是美国的电力供应仍然是以化石燃料为主，这样电动车的清洁程度就受到电力本身清洁性的影响，同时电池和电动机的制造也都是高耗能的，制造过程以及回收过程都存在污染问题。
美国大自然保护协会也发出了对“能源肆意扩张”的警告：新能源技术占用土地过多可能会增加对自然栖息地的破坏。在综合各种能源单位发电量所占用土地的数据后人们发现，生物能源、风能、水能等技术的占地面积要比化石能源技术高得多（生物能源的占地最多相当于煤炭的近100倍）。一个日产6万立方米天然气的老天然气井的单位发电量，竟相当于风力涡轮发电站的20倍。除去基站本身，风力发电往往地点偏僻，从发电地点到城市之间还有几千公里的高压输电系统。
不能先污染后治理
“先污染、后治理”，人类社会已经饱尝这种能源发展模式的苦头，中国人民大学环境学院副院长邹骥告诉本报记者，对于今后的绿色能源发展，公众一定要了解其综合的环境影响，理性看待各种能源的优势和劣势，最终形成判断。
而对于生物能源到底是一种威胁还是一个解决方法，世界自然基金会并没有告诉本报记者答案，而是提出只有良好的管理才能把环境影响降到最低，最大程度地降低温室气体排放和保障能源安全。
某种意义上说，发展绿色能源不仅是因为绿色能源本身具有的可持续性特点，更在于绿色能源项目本身也应具有可持续性的特点。可持续生物能源圆桌会议项目提出包括保障粮食安全、保护环境、科学管理和利用废料在内的11原则。
“能源评价的标准是客观存在的，而重要的是政府应该提高民众对标准的知情度，并通过立法和法律实践来确保标准能够贯彻执行。”萨曼莎?史密斯进一步认为，“社区应该参与到立项咨询过程并提供建议。我们希望社区民众在项目破坏环境时要发挥监督机构的作用，这一点很重要。”
2000年后，世界各大国如美国、欧盟、印度、巴西都相继出台了绿色能源发展的政策和法律，中国在2007年也通过了《可再生能源中长期发展规划》。
浪费粮食产生的后果范文6
论文摘要：英国科学家约翰·贝丁顿于 3 月 18 日在英国《卫报》发表文章称，气候变化和人口增长将导致食品、水和能源短缺，进而引发大规模移民、公共骚乱和国际冲突。如果未来数年内没有充分准备的话，到 2030 年，世界将面临“完美风暴”，出现大的动荡。为了评价和印证约翰·贝丁顿的预言我们建立数学模型进行了对预言的评价，这对人们有警示和教育的现实意义。
对于人口的增长问题，我们分别用logsitic阻滞增长模型和灰色系统模型进行了预测分析，结果表明logistic阻滞增长模型得出的结论与约翰·贝丁的预测符合较好，得出 ，2020年世界人口预测将达到80.86亿。由一些有效数据，建立合理的灰色系统模型对未来的2030年粮食储存量进行推算，得出2030年的粮食储存量，从而论证了约翰．贝丁顿提出的观点是科学的。能源问题我们建立了灰色系统模型进行了分析，结果得出是。
得出个个子模型关系后再采用主成份分析法，得出最终的贡献率，个个变量因子对于结果的贡献率。然后用BP神经网络综合分析了完美风暴。
在2030年，资源和粮食都同时短缺，也就是说按现在这个程度发展在2030年将发生食品、水和能源短缺，如果未来数年内没有充分准备的话，到 2030 年，世界将面临“完美风暴”，出现大的动荡。人口的持续增长将会在未来 20 年里引发对食品、水和能源的大量需求，与此同时，各国政府还必须应对气候变化。所有这一切都将同时到来。据贝丁顿教授说，再过 20 多年，全球人口将增加到大约 83 亿。仅此一点，就意味着全球资源需求将在未来变得更大。贝丁顿博士警告说，资源短缺压力将急剧增加，气候变化将使问题恶化。目前，全球的粮食储存量太小，只有年消费量的 14%，一旦发生干旱或者洪灾，粮食就会严重短缺。他说：“我们的粮食储备是 50 年来最低的，到 2030 年，我们对粮食的需求会增加 50%，同时，我们对能源的需求也会增加 50%，淡水的需求会增加 30%。”我们的创新之处在于：一.利用灰色系统进行了对世界人口的预测。二.利用主成份分析法给出了个个变量之间的关系。三. 运用BP神经网络进行了对于完美风暴的预测。
一.问题的重述
贝丁顿说，人口的持续增长将会在未来 20 年里引发对食品、水和能源的大量需求，与此同时，各国政府还必须应对气候变化。所有这一切都将同时到来。据贝丁顿教授说，再过 20 多年，全球人口将增加到大约 83 亿。仅此一点，就意味着全球资源需求将在未来变得更大。贝丁顿博士警告说，资源短缺压力将急剧增加，气候变化将使问题恶化。目前，全球的粮食储存量太小，只有年消费量的 14%，一旦发生干旱或者洪灾，粮食就会严重短缺。他说：“我们的粮食储备是 50 年来最低的，到 2030 年，我们对粮食的需求会增加 50%，同时，我们对能源的需求也会增加 50%，淡水的需求会增加 30%。”
21世纪是人类发展最快的时期，也是我们引领世界的辉煌时期。 近几年来，科学技术的迅猛发展加速了人类文明的繁荣。同时亦增强了人类对自然环境的影响能力，引起了全球各种问题出现了突出的矛盾，成为社会最严重的挑战。正如英国科学家约翰．贝丁顿于3月18日所说，由于气候变化和人口增长将导致食品、水和能源短缺，从而引发大规模移民、公共骚乱和国际冲突，最终在2003年造成“完美风暴”的发生。并且，约翰．贝丁顿也提出，我们的粮食储备是50年来最低的，到2030年，我们对粮食的需求会增加50％，同时，我们对能源的需求也会增加50％，淡水的需求会增加30％，问题由此而生，约翰．贝丁顿提出的观点是否科学，我们有必要根据资料对此观点进行验证。我们以人口与粮食的关系为重点进行论述，假如，到2030年，我们对粮食的需求会增加50％。则在人口随着年份的增加而按照阻滞增长模型进行增长，同时在每年粮食总量不变下，粮食贮存量的变化和粮食消费量的变化建立三者的关系。
二．问题的分析
2.1对问题背景的分析
如今，由于气候的变化以及人口的迅速增长使得食品、水和能源的短缺，并且人类的生活环境变得更加恶劣，如果长此以往，战乱与国际冲突，将随时可能爆发，人类的生存面临这巨大的挑战。所以，对现在人类生活环境状况的评估是非常具有必要性的，同时对于人口增长、能源、粮食和淡水的需求预测也是很有必要的，因为只有做好了，预测分析工作，才能够对未来的发展趋势由很好的了解，对与制定补救措施具有很大的帮助。
2.2对约翰· 贝丁顿观点的论证分析
对于文中约翰· 贝丁顿所提到的，人口、能源、粮食和淡水需求量到2030年会发生重大变化。为了来论证这一观点的正确性，首先就是搜集相关的数据，然后利用相关的模型对上述四个因子分别进行预测。通过模型所得到的预测值来判定约翰· 贝丁顿观点的正确性。
2.3对人口、能源、粮食、淡水之间关系的分析
研究人口、能源、粮食、淡水之间关系的意义在于对运用于人类生存危机状况量化处理的模糊综合估计方法中权值矩阵的确定起到关键作用，所以，通过利用主成分分析法可以求出四者之间的相关性，并且通过相关性可以构建四者之间的函数关系。
2.4对“完美风暴”危机预测模型的分析
人类生存环境的危机状况是一个抽象的概念，没有具体数值来表示。那么，对于这种情况，我们必须找到一种方法，使这种危机的状况能够被量化，于是我们选择用风险度来描述风险和时间的关系。
在得到每一年的危机状况的估计量化值（模型中我们称为危险评判参数）后，我们可以通过构建世界人口、能源、粮食和淡水需求量这四个因子与所求得的量化值之间的关系，于是利用BP神经网络来构建两者之间的输入输出关系，并且通过BP神经网络的网络训练模拟功能，可以预测出2030年人类生存环境的危机状况，以此进行判断“完美风暴”发生的可能性。
三.模型的建立以及求解
I.主成分分析法分析完美风暴一．世界人口增长的预测
3.1 logistic阻滞增长模型预测世界人口
3.1.1模型的准备
表3.1.1 世界人口随时间变化
1970至2006年世界人口统计（单位：万人）
年份
人口（万人）
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
图3.1.1世界人口随时间变化
用EXCEL可以画出以上图形，虽然看起来是线性的，是由于纵坐标取值比较大的缘故，实际上并非是线性的，并且是符合logistic阻滞增长增长模型的。
表3.1.1b近几年世界总人口情况
年份
年总人口数(亿)
出生率(%)
死亡率(%)
自然增长率(%)
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模型的假设
（1）世界人口的增长符合logistic阻滞增长模型，可以用此模型求解.
3.1.3logistic阻滞增长模型的建立以及求解
于是有：
（1）
对 的一个最简单的假定是，设 为 的线性函数，即
（2）
设自然资源和环境条件所能容纳的最大人口数量 ，当 时人口不再增长，即增长率 ，代入（2-2）式得 ，于是（2-2）式为
（3）
将（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
为了对以后一定时期内的世界人口数做出预测，我们首先从世界银行数据库上查到世界人口从1990年到2007年部分年份总人口的数据
（1）将1990年看成初始时刻即 ，则1991为 ，以次类推，以2007年为t=7作为终时刻。用函数（5）对表3.1.1中的数据进行非线性拟合，运用Matlab编程得到相关的参数 ，可以算出可决系数（可决系数是判别曲线拟合效果的一个指标）：
可以算出可决系数 得世界部分年份人口变化趋势的另一拟合曲线：
（2-7）
进行预测得（单位：千万）：
X(20)=80.86
表3.1.3 各年份世界总人口用不同拟合曲线预测数（单位：亿）
由上表可以看出：在2020年总人口就已经超过了80.86亿,比较接近的预测。
3.1.4型的误差检验
在估计阻滞增长模型的参数时没有用到2000年的实际数据，是为了用它做模型检验。我们用模型计算的2007年世界人口总数与已知的实际数据相比较，来检验模型是否合适。
经计算，误差仅为0.0186%，故可以认为该模型的精度是很高的。
其中算法及程序见附录
3.2 灰色系统模型预测世界人口
灰色系统理论的微分方程为GM模型，GM(1，1)表示1阶，1个变量的微分方程模型.
记原始数据序列 \* MERGEFORMAT 如下：
\* MERGEFORMAT
它的时间响应序列为：
\* MERGEFORMAT
其中， \* MERGEFORMAT
即： \* MERGEFORMAT
因此通过计算得：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
然后计算 \* MERGEFORMAT 的紧邻均值生成序列 \* MERGEFORMAT
\* MERGEFORMAT
其中， \* MERGEFORMAT
计算得到：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
我们称方程 \* MERGEFORMAT 为灰色GM(1，1)模型，其中 \* MERGEFORMAT 是需要通过建模求解的参数，若 \* MERGEFORMAT 为参数数列，且 \* MERGEFORMAT 其中 \* MERGEFORMAT
\* MERGEFORMAT 则求微分方程 \* MERGEFORMAT 的最小二乘估计系数列，满足
\* MERGEFORMAT
称 \* MERGEFORMAT \* MERGEFORMAT 为灰微分方程， \* MERGEFORMAT 的白化方程，也叫影子方程.
因此，根据上述所说则有
1.白化方程 \* MERGEFORMAT 的解或称时间响应函数为 \* MERGEFORMAT
2.GM(1，1)灰微分方程 \* MERGEFORMAT 的时间响应序列为 \* MERGEFORMAT
3.取 \* MERGEFORMAT ，则 \* MERGEFORMAT
4.还原值
\* MERGEFORMAT
根据方程对参数的 \* MERGEFORMAT 作最小二乘估计，得
\* MERGEFORMAT (21)
设 \* MERGEFORMAT
由于 \* MERGEFORMAT ，可得GM(1，1)模型的白化方程为
\* MERGEFORMAT (22)
它的时间响应式为
\* MERGEFORMAT
由此得模拟序列
\* MERGEFORMAT
相应的值为： \* 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
灰色系统模型的检验
定义1.设原始序列
\* MERGEFORMAT
相应的模型模拟序列为：
\* MERGEFORMAT
残差序列：
\* MERGEFORMAT
相对误差序列：
\* MERGEFORMAT
1.对于 \* MERGEFORMAT ，称 \* MERGEFORMAT 为k点模拟相对误差，称 \* MERGEFORMAT 为滤波相对误差，称 \* MERGEFORMAT 为平均模拟相对误差；
2.称 \* MERGEFORMAT 为平均相对精度， \* MERGEFORMAT 为滤波精度；
3.给定 \* MERGEFORMAT ，当 \* MERGEFORMAT 成立时，称模型为残差合格模型.
定义2 设 \* MERGEFORMAT 为原始序列， \* MERGEFORMAT 为相应的模拟误差序列， \* MERGEFORMAT 的绝对关联度，若对于给定的 \* MERGEFORMAT ，则称模型为关联合格模型.
定义3 设 \* MERGEFORMAT 为原始序列， \* MERGEFORMAT 为相应的模拟误差序列， \* MERGEFORMAT 为残差序列.
\* MERGEFORMAT \* MERGEFORMAT
\* MERGEFORMAT \* MERGEFORMAT
1.称 \* MERGEFORMAT 为均方差比值；对于给定的 \* MERGEFORMAT ，当 \* MERGEFORMAT 时，称模型为均方差比合格模型.
2.称 \* MERGEFORMAT 为小误差概率，对于给定的 \* MERGEFORMAT ，当 \* MERGEFORMAT 时，称模型为小概率模型合格模型.
表3.2.1精度检验登记参照表
精度等级
相对误差
关联度
均方差比值
小误差概率
一级
0.01
0.9
0.35
0.95
二级
0.05
0.8
0.5
0.8
三级
0.1
0.7
0.65
0.7
四级
0.2
0.6
0.8
0.6
由已知数据我们算出的结果为
表 3.2.2残差序列
\* 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
计算得平均相对误差： \* MERGEFORMAT
模拟误差： \* MERGEFORMAT .精度为一级
计算 \* MERGEFORMAT 与 \* MERGEFORMAT 的灰色关联度 \* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
精度为一级
计算均方差比
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
\* MERGEFORMAT
所以，由 \* MERGEFORMAT 均方差比值为一级计算小误差概率
由 \* MERGEFORMAT
表 3.2.3 计算得出的 \* 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 小误差概率为一级.
故可以用
\* MERGEFORMAT 来进行预测.
预测的结果为
表 3.2.4预测的世界人口总数
年份
2005
2006
2007
2008
2009
2010
2011
总人口（亿）
64.84
65.72
66.59
67.49
68.39
69.32
70.24
年份
2012
2013
2014
2015
2016
2017
2018
总人口（亿）
71.19
72.14
73.11
74.09
75.08
76.09
77.11
年份
2019
2020
2021
2022
2023
2024
2025
总人口（亿）
78.14
79.2
80.26
81.34
82.43
83.54
84.66
年份
2026
2027
2028
2029
2030
总人口（亿）
85.79
86.95
88.11
89.3
90.49
由于灰色模型对于近期的预测较准确，但是随着时间的推移，未来的不确定因素将增多，从而对所产生的值会产生，一定得波动，影响测量的精确性.因此我们这里采用改进的DGM(1，1)离散灰色预测模型对数据进行改进，因为离散灰色模型具有很好的稳定性，因此对于中长期的预测会产生很好的效果.
二，能源问题的预测：
石油的多少往往还和一个国家的经济水平，经济发展联系在一起，大多数国家为了扩大GDP值，盲目的开发开采石油，造成大量的浪费和污染问题.因此我们可以同时预测国家的GDP和石油的消耗量.
石油随时间变化规律曲线
a坡度分析
设原始序列：
(39)
其中，， 称为非等间距序列.
记： (40)
定义1 设
其中，则称式(1) 为非等间距序列第 区间的坡度.那么平均坡度即为：在灰色系统的拟合过程中， 坡度平滑的区间精度较高， 但在坡度波动较大的区间，其拟合值与原始数据的偏差较大.从减小非等间距间数据的波动考虑， 对非等间序列进行坡度优化分析， 可以通过局部插值来消除当坡度有较大波动时所产生的较大的误差.
b模型的求解
自变量序列， 经坡度优化分析后， 将第个区间的坡度平均坡度进行比较， 将第 区间作 \* MERGEFORMAT 插值， 可得到新的自变量序列： (42)
式中，为第个区间内的第节点.用线性插值计算所插入节点处的函数值：
(43)
其中， .原始序列
插入若干数据后变成新的序列：
分析非等间距序列的区间， 并对其进行合理地插值， 其实质是修正了数据波动所引入的误差，因而能更好地反映出数据的变化趋势，从而可大幅度地提高拟合和预测精度.
c以新序列为原始序列建立灰色距模型
记原始时间序列 为：
(45)
若其中.则称 为非等间距序列 的一次累加生成(1—A GO ) 序列.
定义2 当 接近于指数规律变化时， 白化微分方程为：
式中， 为发展灰数； 为内生控制灰数.设为待估参数向量，， 利用最小二乘法求解得：其中
将 时间响应离散化， 得：
L
(6)将值代入离散模型计算预测累加值 ， 并还原为预测值：
其中
通过灰色模型可求得两者的预测响应函数分别为：
通过计算可以得到相应的预测值.可求得1970～ 2004 年世界能源总消耗量预测响应函数的后验差， 平均相对误差 ， 小概率事件； 世界GDP 预测响应函数的后验差， 平均相对误差， 小概率事件.可知此模型精度为一级.能源消费增长同经济发展之间有一定的依赖关系.通常把能源消费年平均增长率与国民生产总值年平均增长率之比称为能源消费弹性系数.从上述数据可得到世界能源消费总量和GDP总量的回归方程为：
相关系数为0.9922，线性关系明显相关数据和运算过程程序见附录
图1 原油随时间的图
三．用灰色系统对粮食问题预测
在将来，新兴经济体需求、能源价格上涨、气候变化、粮食出口限制改变粮食供需关系，增加粮价不确定性，世界粮食价格是长期问题！
粮食价格将可能继续攀升，至少会维持在高位.联合国粮农组织在2008年1月份预测，今年全球主要粮食作物的产量将会低于需求量约3000万~4000万吨，约占全年总产量的1.5%~2%左右.另一方面，全球粮食库存在最近30年间不断下降，2007年已经降到了30年来的最低点.供需结构和库存水平共同决定了将来的粮食价格走势.
在短期，也有很多因素促使粮价上涨.石油价格的上涨已经是一种不可避免的趋势，如果在此基础上进一步上升，就会使得粮食价格出现上涨.另外，异常气候的因素可能使粮食短缺问题雪上加霜，可能会使将来的粮食价格产生巨大震荡.
最后，从长期来看，目前的粮食价格上涨的趋势将会持续.根据资料显示，在10年之内谷物价格将至少上涨10%，可能达到20%.对于更长远的将来如果没有大的变动的话，粮食价格将进一步上涨.
我们通过对近几年的世界粮食总产量和消费总产量，对现在存在的粮食问题以及到2030年粮食的消耗问题进行预测.
我们根据1990年到2007年的数据分别对以后的粮食生产量和消耗量进行预测.
图1粮食生产与消耗的总量图
图2 粮食需求量随时间变化
通过图2我们可以看到，近几年谷物的生产量与消耗量大体相当，几乎没有剩余量或者出现亏损的局面，至于2007，2008年是全球谷物大丰收，粮食产量得到很大的提高，计算时没有太大的根据性，因此我们舍弃07，08的数据对以后几年到2030年的粮食总产量和消耗量进行预测分析.应用灰色预测模型，我们最终得出的结果是：
谷物生产量（亿吨）
23.63
谷物消耗量（亿吨）
26.2
我们可以看到到那时，每年生产地谷物根本不够实际消耗的谷物的总量，库存量以消耗殆尽，对于其他的粮食作物，我们可以近似的认为它们和谷物有同样的属性，在产量和消耗上，没有太大的区别.都是以同样的趋势变化，因此，到2030年全球将出现大的粮食危机问题.到时由于缺少粮食将发生不可预料的后果.
四．气候问题：
全球气候问题主要是伴随着人口的急剧增长、森林的过度砍伐、资源的粗犷性利用，而造成温室气体比例升高，全球变暖，进而引发冰川融化、局部地区发生海啸，干旱和洪涝等恶劣的气候变化和对生态的破坏.所以气候问题可以粗略的分为森林危机和全球变暖.
五．森林危机：
森林有“地球之肺”的美誉，可以净化空气、生产氧气；有着改变低空气流，有防止风沙和减轻洪灾、涵养水源、保持水土的作用.而且是许多动物的栖息地，也是多类植物的生长地，是地球生物繁衍最为活跃的区域.特别是对气候有很好的调节作用，但目前全球森林覆盖面积的变化的形势很不容乐观，“地球之肺”已布满斑痕：
全球森林主要集中在南美、俄罗斯、中非和东南业.这4个地区占有全世界60%的森林，其中尤以俄罗斯、巴西、印尼和民主刚果为最，4国拥有全球40%的森林.
联合国环境规划署报告称，有史以来全球森林已减少了一半，主要原因是人类活动.根据联合国粮农组织2001年的报告，全球森林从1990年的39.6公顷下降到2000年的38.亿公顷.全球每年消失的森林近千万公顷.
即使从1990年至2000年的10年间，人工林年均增加了310万公顷，但热带和非热带天然林却年均减少1250万公顷.收集资料分析得到下面几个地区的森林现状：
南美洲共拥有全球21%的森林和45%的世界热带森林.仅巴西一国就占有世界热带森林的30%，该国每年丧失的森林高达230万公顷.根据世界粮农组织报告，巴西仅2000年就生产了1.03亿立方米的原木.
俄罗斯2000年时拥有8.5亿公顷森林，占全球总量的22%，占全世界温带林的43%.俄罗斯上个世纪90年代的森林面积保持稳定，几乎没有变化，2000年生产工业用原木1.05亿立方米.
中部非洲共拥有全球森林的8%、全球热带森林的16%.1990年森林总面积达3.3亿公顷，2000年森林总面积3.11亿公顷，10年间年均减少190万公顷.
东南亚拥有世界热带森林的10%.1990年森林面积为2.35亿公顷，2000年森林面积为2.12亿公顷，10年间年均减少面积233万公顷.与世界其它地区相比，该地区的森林资源消失速度更快.
而更为令人担忧的事实是，在乱砍滥伐盛行的同时，非法砍伐也在大行其道.在非洲，加纳有1/3原木为非法采伐；喀麦隆的大多数木材公司都参与非法木材贸易.印度尼西亚有70%的出口木材来自非法采伐，每年高达6000万立方米.俄罗斯每年从远东地区非法采伐的木材约150万立方米，森林受盗伐的面积逐年扩大.
六．气候变暖：
现阶段大气中CO2浓度已近灾难临界点，据相关气象观测和科学研究表明，1 750年大气中的CO2体积分数为 \* MERGEFORMAT ， 2005年增加到 \* MERGEFORMAT 为65万年来最高，并且CO2仍以每年 \* MERGEFORMAT 的速度增长.《应对气候挑战》最新报告指出：当全球平均气温比1750年时升高2℃后，引发灾难的临界点就会出现.研究发现，大气中CO2体积分数达到 \* MERGEFORMAT 后，气温升高2℃就不可避免.CO2体积分数依照目前的增长速度，10年内就会跨过 \* MERGEFORMAT 这一门槛.近年来气候变化之快是过去一万年所没有的.照此计算到2030年时大气中CO2体积分数达到 \* MERGEFORMAT ，气温将升高3℃左右，给人类带来无穷的灾难：
气候变暖，不仅仅是气温的高低问题，首先引发的是全球性的环境问题，进而涉及到人类社会生产、消费和生活方式以及生存空间等社会发展各个领域的重大问题，甚至危及人类的发展与生存.数据显示气候变化构成的威胁“接近核威胁”，这种威胁的效果“也许在短期内不如核爆炸造成的毁灭那样强烈”，但“今后30 年或40 年的气候变化可能对人类的栖息地造成急剧伤害”.尤其是20 世纪80 年代以来，环境问题逐渐从区域性、局部性向全球性、整体性扩展，出现了全球性的生态环境危机，气候变化对世界全方位、多尺度和多层次的影响.随着气候的持续变暖，极端气候事件在世界各地频繁发生，对自然生态系统和人类生存环境直接产生了严重影响.
七冰川融化，海平面上升
伴随近百年来的气温升高，全球冰川普遍退缩.阿尔卑斯山1850—1975年冰川面积缩小了35%，而到2000年，这一比例增至50%；喜马拉雅冰川正以每年10~15 m 的惊人速度后退；而支撑印度最大的河谷盆地干戈特里（Gan-gotri）冰川也正以每年约30 m的速度后退.未来50 年，我国青藏高原多年冻土空间分布格局将发生较大变化，大多数岛状冻土退化，季节融化深度增加迈克.赞普（MichaelZemp）称，在受到热浪冲击的2003 年夏天，就有7英寸厚的冰川融化.Michael Zemp等采用遥感、数字地形和数字模拟技术，预测结果为夏季升温3℃， 可使阿尔卑斯山现存的冰川减少80%，而上升5℃，则该地区的冰川消失.高山、高原湖泊中，一些依赖冰川融水补给的小湖，最终可能因冰川融水减少而消失.冰川径流对气候变化的反应要比河川径流更加敏感.海平面上升、海岸线后退是世界沿海各地都面临的一场危机，对沿海、海岛地区的生态及居民生产、生活将造成严重威胁.格陵兰冰盖如果完全融化，将使海平面上升7 m.专家预测，在印度尼西亚约1.8 万个岛屿中，约2 000个岛屿将在30年内因气候变化而被海洋吞噬；地势较低的南大洋国家要求岛民为彻底迁移作准备.
八．加剧旱涝及其他气象灾害：
气候变暖影响到气压的正常波动和洋流的规则运动，大气环流因此而局部变化，由此带来的降水、风暴及气温分布失常，使地表径流、旱、涝灾害频率加快加剧.
九．空气质量恶化
气温上升会增加地面臭氧含量，而臭氧是烟雾的主要成分，导致空气质量进一步下降.
气候变化与经济社会发展息息相关，未来气候变化对经济社会发展造成的影响日益明显，甚至对国家的兴亡和各行各业的发展都会带来风险.全球变暖，正成为世界各国政府都不得不正视的问题.图1表示的是以1861—1900年全球平均地表气温为基点，截至2005年全球平均地表气温的变化.可以看到，与上世纪初相比，到2005年全球平均地表气温上升了近1摄氏度.气象学家预测，气候变化会影响到人类的基本生活元素——水的获得，粮食生产，健康和环境.随着全球变暖，数以亿计的人将遭受饥饿，水资源匮乏和沿海洪水的威胁.2006年英国政府的斯特恩报告对全球变暖可能造成的经济影响给出了迄今为止最为全面的评估.
如果不立即采取强有力的措施，森林的砍伐和温室气体的排放用现在变化趋势来衡量，2030年时人类的生产、生活、生存将会受到前所未有的威胁.
十．移民问题：
（一）国际移民的规模与分类：
国际移民指在原籍国以外的国家居住超过一年以上的人.近年来，全球移民的人数呈逐年增长的趋势.据联合国人口署统计，国际移民在1970 年只有8200 万人，2000年迅速增至1. 75亿.1980—2000 年， 发达国家接纳的移民人数从4800万剧增至1. 1亿，发展中国家接纳的移民人数也从5200万增至6500万.目前国际移民人口已接近2亿，约占全球人口总数的3% ，而且这支队伍还在快速扩大.联合国2006年的《国际迁徙与发展》报告就此指出：“人类已经进入第二个迁徙时代.”国际移民分为四种划分方式：
第一，分为自愿移民和被迫移民，前者或出于追求更好生活条件或与家庭团聚而移民，后者则指因人道主义灾难、种族清洗、战争等被迫离开家园.
第二，分为经济移民和政治移民，前者因就业或追求更多经济利益移民，包括熟练工、非熟练工、临时工、客籍工 等，后者则因逃避战争或政治迫害移民.
第三， 分为合法移民和非法移民，国际移民委员会(IOM)统计世界每年大约新增400万非法移民，占移民总数的30—50%，其中约半数的非法移民牵涉偷渡、人口走私等国际犯罪活动.
第四，分为永久移民和短期移民，前者以永久居住为特点，后者包括客籍工、季度工等.
(二)当前国际移民的特点：
首先，分布呈现不平衡态势.从移民去向看， 2005 年的数据显示， 美国等发达国家仍是世界移民优先选择的定居国.
图13 移民的分布
2005年移民最多的国家人数分布
国家
美国
俄罗斯
德国
乌克兰
法国
移民人数/万
3840
1210
1020
680
650
其次，难民、非法移民是数量庞大的特殊移民群体.目前， 2亿的国际移民中包括生活在发展中国家的920万名难民，巴基斯坦的难民最多，人数超过100 万.2000—2004 年， 世界难民人数增长了24%；仅2004年，寻求难民庇护者就达67. 6万， 比2003年剧增19%.
此外， 非法移民问题也愈演愈烈，成为令各国政府头疼的难题.目前，美国现有非法移民约1000万，每年新增50万左右；欧洲的非法移民超过500万， 约占其移民总数(5600万)的10%.再次，移民特别是非法移民自身人身安全和权利保护状况堪忧.第一，移民特别是非法移民的人身安全面临很大威胁.非法移民由于得不到法律承认，在非法穿越边界时面临被“蛇头”抛弃和遭到其他意外伤害的危险.其次，移民的工资待遇和劳动条件得不到保障，被剥削和虐待情况时有发生.相较本地工人，移民劳工特别是非法劳工的工作条件普遍缺乏安全保障和医疗福利保障，超时工作屡见不鲜，经历工伤事故的几率很大；许多非法移民被走私者控制，无法自主地选择工作，甚至被强制或胁迫从事，其中妇女和儿童的境况尤其糟糕.第二，移民的社会地位仍然偏低.移民被看成是对所在国经济的临时补充力量.尽管在定居国居住多年并承担着很多公民的义务和责任(如按时向所在国纳税等) ，很多移民非但未获得公民权，也未获得和本地居民同等的法律地位.由于宗教、文化和价值观的差异，移民也容易在政治和文化上遭遇排斥和边缘化.如果一些当地团体刻意煽动对移民的歧视和仇恨，定居国社会对外来移民的恐惧和偏见情绪将更加强烈.
十一.淡水问题：
水危机是指自然灾害和社会与经济异常或突发事件发生时，对正常的水供给或水灾害防御秩序造成威胁的一种情形.看待水危机的视角不同，建立的应对机制与做出的决策将大不相同.根据国外经验，一个国家用水超过其水资源可利用量的20%时，就很有可能发生水危机.
水是哺育人类的乳汁.没有水的哺育，就没有生命的繁衍；没有水的世界，将是死亡的世界.地球上因为有了水，才变得生机勃勃.然而，由于种种原因，一方面人类对水的需求与日俱增，另一方面人为的浪费，使水资源不断枯竭.水资源危机将成为2 1 世纪人类面临的最为严峻的现实问题之一.
世界水资源及其发展趋势：地球上水的储量很大，但淡水只占2.5%，其中易供人类使用的淡水不足1%.据专家最新估计，全球陆地上可更新的淡水资源约42.75万亿 \* MERGEFORMAT ，其中易于使用的约12.5~14.5万亿 \* MERGEFORMAT .按1995年人口统计，全球人均淡水资源约7450 \* MERGEFORMAT ，其中易于使用的淡水人均约2180 ~2440 \* MERGEFORMAT .可见，地球上的淡水资源是有限的.
我们取12.5万亿 \* MERGEFORMAT 进行计算，很容易得出，到2030年时，我们的人均占有水量为1381.376045 \* MERGEFORMAT （取人口总量为：90.45948亿）
表13 水量的影响
人均占有水量 \* MERGEFORMAT
1700
1000
500
产生影响
水压力
水短缺
水危机
这是我们不考虑水的需求会增加、水资源会浪费产生的结果，这时已经处于水压力状态了，如果加上各方面的原因，最后的结果将远远小于这个值，很有可能达到水危机的地步！
水的需求随人口和经济发展而迅速增长.从1940－1990年，在50年时间内，全球总用水量增加了4倍.1995年全球用水总量已达36000亿m3，人均 用水628 \* MERGEFORMAT ，约占易用淡水资源量的27~30％.
水资源在地球上的分布是很不均匀的，有的地方多，有的地方少.据联合国调查，全球约有4.6亿人生活在用水高度紧张的国家或地区内，还有1／4人口即将面临严重用水紧张的局面.
随着社会经济的发展，人类对水资源的需求量不断增大.本世纪以来全世界淡水用量增长了8倍，其中农业用水增长了7倍，城市用水增长了12倍，工业用水增长了20倍，而且世界淡水用量以每年 5％的速度递增.目前世界上大约有90个国家，40％的人口出现缺水危机，30亿人缺乏用水卫生设施，每年有300万到400万人死于和水有关的疾病.到2025年，水危机将蔓延到48个国家，35亿人为水所困.水资源危机带来的生态系统恶化和生物多样性破坏，也将严重威胁人类生存.过去50年中，由水引发的冲突共507起，其中37起有暴力性质，21起演变为军事冲突.专家警告：随着水资源日益紧缺，水的争夺战将愈演愈烈.
十三..综合影响：
如下图所示，这些综合的原因共同导致了2030年“完美风暴”的发生，它们不是相互独立的个体，只要其中一个因素发生变化，相应的都会发生或大或小的变化，只是对于2030年来说，各种矛盾都汇集到了它的附近，致使产生不可估量的后果！
a.主成分分析法的建立
分析认为人作为一种主观能动性很强的群体，相对于能源，粮食，淡水有着很大的不同，现在我们就通过主成分分析法来定量的研究人口，能源，粮食，淡水，这几个因子之间的关系，并以人作为事件结果，其他的作为影响因素主成分分析是现代统计分析中的一种有效方法。假设某一个现象受多个因素同时影响，则可以考虑采用主成分分析法，有大量的实测数据中识别到底哪些因素对其发生产生主要的作用。
基本思想如下：把原来的各个指标化为可数的几个互不相连的（或相互独立）的综合指标，达到数据化简、揭示变量之间的关系和进行统计。
详细的计算步骤:
(1)数据标准化变换
设实际观测了 个 维样本：
将 通过以下的标准化变换化为矩阵 的过程，称之为标准化变换。
其中
（2）求相关矩阵
现引进相关矩阵：
按照以上的公式利用数学软件，比如Matlab计算出相关矩阵。
（3）求相关矩阵 的特征值与特征向量
可以使用软件,也可以使用迭代法求 的特征值与特征向量。用迭代法的具体步骤如下：
a）求 的各列之和，记为：
；
b) ，构造向量 作为初始迭代向量；
c) 计算 ，其各个分向量记为 ,取 ，作向量 ；
d) 按（c）做法进行迭代，则 ， 中的各元素的最大值即趋向于第一特征值 ， 即是第一特征向量；
e)求主成分，对 作正则变换，即得 对应的单位特征向量 ，并且记 ，则 的各分量分别代表 的第一主成分， 刻画了第一主成分的贡献率
求第二主成分：用相关矩阵 与 ， 计算矩阵
则 仍是 阶对称矩阵，按照前面的1）到5）的方法，相应计算出 ，同理求出 ；
f)按照上面的方法依次求出 。
其中，主成分贡献率： ，累计贡献率：
如果 个特征值的累计贡献率大于某个预期的目标，如85%～95%，则可以认为这 个因素是原问题的主成分，这时，原来的问题的因素减少，研究问题的维数就相应的降低了。
Ⅱ.基于BP神经网络的“完美风暴”危险预测模型 一．输入输出数据的归一化处理
由于BP神经网络训练样本集中输入、输出（目标）样本参数的绝对值离散性有时太大或过于集中，在网络权值矩阵误差函数逼近过程中，易产生局部误差最优或误差震荡等缺陷（如右图示）。必须对输入、输出进行归一化处理，防止在网络权值矩阵误差函数训练时不会进入局部误差最优或误差震荡等缺陷区域。此外，归一化处理可以使得具有不同物理意义和量纲的输入变量赋以同等重要的地位，避免数值大的变量掩盖数值小的变量，避免神经元饱和，保证网络的收敛性，提高网络的收敛速度。归一化处理：我们可采用下列公式将数据压缩在（0，1）的范围内，
二.输入／输出向量设计及网络层数的选取
人口、能源、粮食、淡水对应4个参数，显而易见，输入变量是一个4维的向量，同时由上一个模型得到了五个风险等级评判参数，所以输出变量是一个5维的向量，即危险指数。在样本中，由于各种数据都是实际的测量值，因此这些数据可以对网络进行有效地训练。如果从提高网络的精度的角度出发，一方面可以增加网络训练样本的数目，另一方面还可以增加网络层数。由于样本数目足够，在此模型中我们建立三个BP网络进行分析。
对于BP网络，有一个非常重要的定理。即对于任何在闭区间内的一个连续函数都可以用单隐层的BP网络逼近，因而一个三层BP网络就可以完成任意的 维到 维的映射。
隐层的神经元数目选择是一个十分复杂的问题，隐单元的数目与问题的要求、输入输出单元的数目都有直接关系。隐单元的数目太多会导致学习时间过长、误差不一定最佳，也会导致容错性差、不能识别以前没有看到的样本，因此一定存在一个最佳的隐单元数。根据Kolmogorov定理[2]，采用一个 的三层BP网络作为状态分类器。其中 表示输入特征向量的分量数， 表示输出状态类别总数。由于 =4，我们得知隐层的神经元数目为9个。
三.学习速率与训练方法的确定
学习速率决定每一次循环训练所产生的权值的变化量。过大的学习速率可能导致系统的不稳定,但是过小的学习速率将导致训练时间较长,收敛速度很慢,不过能保证网络的误差值趋于最小。一般情况下,学习速率的选取范围在0.01～0.9之间。
为了保证系统的稳定性, 我们选择网络学习速率为0.05。鉴于自适应学习速率通过保证稳定训练的前提下,达到了合理的高速率,可以减少训练时间。在本题中，我们采用自适应学习速率（ ）训练方法。
四.传输函数的选取
期望误差的控制，通过对网络训练参数的设定实现。考虑到具体网络训练时的训练精度和训练时间，同时确保能够对系统进行较好的预测，保证预测的实际精度，我们在网络中使训练次数极值 ,网络训练的误差允许值 。
五.期望误差的选取
期望误差的控制，通过对网络训练参数的设定实现。考虑到具体网络训练时的训练精度和训练时间，同时确保能够对系统进行较好的预测，保证预测的实际精度，我们在网络中使训练次数极值 ,网络训练的误差允许值 。
六.训练样本的确定
我们选择1987~2002年的世界人口、能源需求、粮食需求、淡水需求的统计数据为训练样本，以2003~2006年的数据为检测样本，归一化后的训练样本请具体参考附录4.
神经网络模型为：
MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT (1)
式中，
----输入层输入列向量（ ）；
----隐含层输出列向量；
----神经网络的输出值；
----输入层到隐含层的权值；
----隐含层到输出层的权值；
----隐含层的阈值；
----输出层的阈值；
该模型可用图直观表示如下：
得到的神经网络的权值矩阵请具体参考附录6
四．模型结果及其分析
一.关于主成分分析法结果的分析
1.对于人口的预测两个模型得出的结果都比较合理，和约翰提出的相吻合，得出80.86的值。
2.对于能源，水资源的预测也较为标准。
3.得出了个个因子对于总结果的贡献率，结果在2030年发生完美风暴。
二.关于BP神经网络结果的分析
得出的结果也和约翰的预言一样，将在2030年完胜完美风暴。
三．.对2030年“完美风暴”进行预测结果
通过上述模型的构建，我们已经对1987至2002年十六年的世界人口、能源需求量、粮食需求量、淡水需求量的统计样本与危险评判等级参数之间的关系进行了神经网络的训练，得到了能够反应两者之间的关系（是一个复杂的网络结构，通过权值矩阵来表示特征），若对“完美风暴”进行预测，只要将2030年所预测的世界人口、能源需求量、粮食需求量、淡水需求量的值输入神经网络中，就会输出相应的危险评判等级参数，于是根据参数就可以判断“完美风暴”发生的可能性。
经上述工作，我们得到了2030年世界人口、能源需求量、粮食需求量、淡水需求量的预测样本如下：
世界人口（万人）
能源需求（标准油：万桶）
粮食需求（万吨）
淡水需求（亿立方米）
931070
121412
25944
152137
通过神经网络模型的模拟训练的到以下五个危险评判等级参数：
表5.8 2030年危险评判等级参数
19.6700
13.6741
15.4244
24.5720
26.9043
四.对能源、粮食、淡水需求量、世界人口预测值的分析
通过各种模型我们预测出2030年世界人口、能源、粮食、淡水需求量的预测值，并且我们将以2006年的数据作为人类生活环境的现状。
表1人类生活现状与预测值对比
年份
2006
2030
世界人口（万人）
651776
931070
能源需求量（标准油，万桶）
83719
121412
粮食需求量（万吨）
17770
25944
淡水需求量（亿立方米）
96452
152137
通过上表的数据我们可以得到以下结果：
（1）世界人口达到93亿，远远超过83亿
（2）能源需求量增加45.09%
（3）粮食需求增加45.9%
（4）淡水增加57.7%
根据上面四个结果，初步论证了约翰• 贝丁顿的“完美风暴”理论的正确性。
五．对BP神经网络的“完美风暴”预测值的分析
通过神经网络的模拟可以得到2030年的危险评估等级参数，将表5.8与表5.7.1的比较不难发现，到2030年，人类生存系统的危险评估等级参数非常高，达到危险的级别，证明了“完美风暴”发生的可能性非常大。并且我们也预测出2030年至2040年的危险评估等级参数，得出随着时间的不断推移，“完美风暴”发生的可能性越来越大，人类生存的环境将变得更加危险、恶劣，结果如下：
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..对BP神经网络的稳定性分析
鉴于模型的目的是为了预测，所以模型的稳定性显得尤为重要，必须对模型进行稳定性分析。
BP算法是一个有效的算法，由于具有理论依据坚实、推导过程严谨、物理概念清晰和通用性好等特点，是当前网络学习的主要算法。同时存在一些不足，主要有：训练时间长，出现局部极小值，网络结构难以确定等。本文在建立神经网络模型过程中，通过预处理以及合理选择训练方法实现网络收敛、避开局部极小值，有效地提高了模型的稳定性。
（1）数据正规化处理（归一化）和Matlab工具箱函数prestd实现数据正规化，通过对样本集数据参数和输出样本数据参数进行正规化处理，可有效防止网络训练进入局部误差最小或误差震荡缺陷[14]；
（2）根据 进行设计隐含层节点数，有效设计网络，保证训练精度、减少训练复杂度、缩短训练时间
（3）考虑到数据样本的随机性和非线性性，采用对非线性问题解决较好的S型传输函数。S传输函数使得输出值在0和1之间，使算法收敛速度加快，对每次训练进行有效调整，达到加速收敛目的；
（4）倾向于选取较小的学习速率以保证系统的稳定性,学习速率的选取范围一般在0. 01～0. 9之间。我们选择网络学习速率为0. 05 。
（5）采用traingdx训练函数训练，附加动量法使反向传播减少了网络在误差表面陷入低谷的可能性有助于减少训练时间。
综上所述，本文建立的神经网络模型通过合理的处理和有效的方法选取，确保BP网络高精度快速收敛。确保预测模型的精度和健壮性。
五.模型的优缺点分析
模型的优点：
1、运用灰色预测模型它能够根据数据的变化规律，较准确的预测数据.得出的数据有一定的准确度，并且模型检验好.
2、在此基础上由于是对较长时间的预测，为了保证模型的稳定性，我们又运用了离散型的灰色预测模型，它能保证模型具有很好的稳定性，对于长期的预测也会较准确.
3、运用微分方程模型，在已知增长率的情况下，能很好的预测在将来人口等因素的变化，有很好的稳定性和准确性.
4、本文所用数据来自联合国统计局、世界经济年鉴和世界统计年鉴，具有很强的真实性与代表性；
5、本文在建立了基于主成分分析法的危机预测模型，将危机发生的标准进行了量化处理；
6、本文在预测人口增长时使用了组合预测模型，大大提高了模型的预测精度；
7、本文将原模糊问题具体划分为若干问题，文章的思路清晰且具有很好的连贯性。
模型的缺点：
1.在建立危机预测模型时没有完全考虑到所有的因素；
2.在考虑环境与气候因素的影响时，只做出了定性的分析。
3.由于对较长时间的分析预测加上数据来源可能的不准确性，导致算出来的误差增加；对于问题原因的讨论不全面导致遗漏有些因素或者我们假设时忽略了一些因素，也可能造成误差的增大.
总之，该模型实用性较强，可以印证约翰提出的论断。
六．模型的改进方向
1.在主成分分析时增加变量因子，全面考虑，量化题目中给出的个个函数及其参数。
2.在算结果时对结果进行人为的修正。
七.写给有关政府部门的报告
（一）能源可持续发展
1.当今能源的现状
1994年末全球的一次能源的可采储量为14277.34一吨标煤，其中煤占73.1%，石油占13.8%，天然气占13.1%，而当年的开采量为104.481亿吨标煤。静态储采比137年，即经过137年后，一次性能源将被开采完全。这绝不是危言耸听，而是铁一样的事实，即使科技的进步使我们的开采技术提高，但是那也只是推迟期限，能源枯竭终究会到来，对此我们该怎么办呢？要想从本质上解决能源问题，就要从能源的本身入手，积极开发新型能，就是一种有效而长远的方法。风能，太阳能，地热能，潮汐能，生物质能源都是新兴的清洁可再生能源，各国要努力在这方面投资开发，使之形成产业化。比如在农村地区，利用秸秆和畜禽粪便发展沼气，具有广阔的前景。
2.提高公民的节能意识
公民的节能意识在解决能源问题中同样扮演着重要的角色，在这方面挪威的方法就很值得借鉴。在挪威政府把增强公众的节能意识作为可持续发展的重要一环。在书店及公共图书馆里常年摆放着各种免费的环保方面的宣传资料，在中小学的教科书里也增加了相应的环境能源保护部分，政府还出台一系列政策加强企业的节能意识。
3.加强国际之间的合作
21世纪，世界各国更加重视发展，事实早已表明，任何国家没有发展就没有前途。发展需要能源，而世界常规能源并不是取之不尽，用之不竭的。发展的迫切要求和能源的匮乏已经不只是某些国家的问题了，世界各国都必须面对能源短缺的现实。当前国际油价居高不下是世界各国所面临的严峻挑战，所以一方面需要各国在能源方面做出开源节流的努力，另一方面也需要积极扩展新的发展思路，开展国际之间的对话，彼此增强了解，广泛合作，才能有利于解决国际能源问题。
4.开发新的能源技术
当今最新的，也是发展最成熟，最有前景的新能源就是核能。核能发电对环境的污染小，经济效益高。目前发展比较好的是核裂变发电，但是尽管能源潜力大，由于其具有放射性，且发电原料在地球上很稀少，且提纯困难，所以虽然被广泛使用，但是必将被另一种核能替代，那就是核聚变。核聚变无污染，且原材料非常丰富，所以被人们认为是人类最有希望的能源。
人类的文明是建筑在对于能源的认识和掌握上的，每一次人类文明的跨越都与能源技术的进步密不可分。因此要实现可持续发展，世界必须进行一次能源革命，这不仅是技术上的一次革命，能够使世界的能源系统持续保证经济的发展和社会进步；同时也是观念上的一次革命，需要我们树立“科学发展观”
建立一个新的能源体系，使可持续发展化为全社会的动力和目标，是和谐社会成为我们永远赖以生存的环境。
（二） 粮食可持续发展
认真确立以农业为基础，始终坚持不放松粮食生产的基本思想解决粮食问题，其中的一个有效途径是提高粮食的产量。可以通过稳定粮食的播种面积，挖掘潜力，扩田增粮。俗话说“皮之不存，毛将焉附”，有田才有粮，所以全世界范围内一定要保证种粮面积，但是这并不等于是无节制的开发，向在某些地区依然存在的刀耕火种现象依然存在，这威胁的就不只是人类的嘴巴问题，更切身的是关系到人类长久生存的权利。
2.加大科研资金的投入
全世界都要改变粮食生产的模式，要有原来的规模效益向节约型、集约型转变，努力提高粮食的产量，积极做到科技兴农。一方面可以加大科研经费的投入，另一方面要鼓励农业科技人员到粮食生产的第一线，进行技术指导，加强农、科、教的紧密结合，扶持种粮能手和种粮大户，提高农民科技水平等等。另外，在整个世界要积极推进农业机械化，多采用大规模农场式的收中，努力提高集团效益。
3.加大农产品的流通机制
现在在世界的好多地方，出现着这样的问题，就是农民的生产往往不能提供社会所需，设置有时候是背道而驰的。面对这个问题，各国政府一定要加大农产品的流通体制改革，引导农民按市场规律调整农村经济结构，种植结构，养殖结构等等。政府要加强对市场的价格的调控能力，提高抵御市场风险的功能。只有农民这个粮食的原产者掌握好的方向，整个社会的粮食问题就走在了一条正确的道路上。
总之，最重要的是保护和合理开发利用资源，防止掠夺式、破坏性和浪费型的发展方式。保护和开发并重。建立适应社会市场的农业发展机制，世界的粮食可持续发展就有了希望。
（三） 水的可持续发展
水是生命的源泉，但是地球上的淡水资源却极为的有限。地球上有70.8%的面积被水所覆盖，但其中的97.5%是咸水。余下的淡水中却只有87%是人类暂时难以利用的两极冰盖、高山冰川和高原地带的冰雪。因此，人类真正能够利用的水仅占地球总水量的0.26%。
目前，水资源短缺问题相当的严重，世界上有80多个国家约15亿人面临着缺水的威胁，其中26个国家的3亿多人完全生活在缺水的状态中，并且这一趋势人在加剧。预计到2010年的缺水国将增加到34个。
此外，水污染，水浪费等水环境危机更是加大了水短缺问题。部分国家经常遭受干旱、水资源短缺、地下水位下降，荒漠化逐渐扩大。
八．参考文献
【1】 李静萍，谢邦昌，多元统计分析[M]，北京：中国人民大学出版社，2008
【2】 安维默，王吉利，统计电算化[M]，北京：中国统计出版社，2000
【3】 黄勇安，李文成，高小科：Matlab7.0/Simulink6.0应用实例仿真与高效算法开发[M]，北京：清华大学出版社2008
【4】 龚沛曾等C/C++程序设计教程[M] 上海：同济大学出版社 2004
【5】 李茜，王丰效，李晓静，多变量灰色预测模型的matlab程序，福建电脑，卷期号：32-48，2007年11期；
【6】 魏一鸣，范英，韩智勇，中国能源报告(2006)战略与政策研究[M].北京：科学出版社，2006
【7】 张 帆，俞奇勇，基于GM 的能源消费量坡度优化预测模型，水电能源科学，第25卷第3期，116-220，2007
【8】 刘勇 白林，《基于 的回归分析模型在经济预测分析中的应用》，《中国管理信息化》，第11卷第15期，第66页～第67页
【9】 刘志平 石林英，《最小二乘法原理及其MATLAB实现》，《中国西部科技》，第17卷第17期，第33页～第34页
【10】姜启源 谢金星 叶俊等，《数学模型（第三版）》[M]，北京：高等教育出版社，2007
【11】 刘思峰 谢乃明，《灰色系统理论及其应用》[M]，北京：科学出版社
九．附录
1.matlab程序实现人口预测参量的求解
>>a [52.85 57.16 60.54 64.45] ; % 在此只取几值，然后求其平均值
>>t[0 5 10 15];
M文件代码如下：
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++程序实现人口预测
#include "iostream.h"
#include "math.h"
#define N 30 // 定义符号变量以提高程序的普遍应用性
double peoplenumber(int n) //定义人口预测函数
{double x;
x=180.987/(1+(180.987/52.85-1)*exp((-0.0336)*n)); //预测函数
return x;
}
void main()
{int i,j(0);
double p[N];
for( i=0;i<N;i++)
{j=j+1;
p[i]= peoplenumber(j);} //预测人口数存入数组，调用人口预测函数
cout<<"人口预测logistic阻滞增长模型预测结果："<<endl;
for(i=9;i<N;i++)
cout<<"第"<<i+1<<"年世界人口总是："<<p[i]<<endl; //输出第n年的世界人人口总数
}
得出的结果：
备注：预测结果（单位是亿）
3.、1970~2006年世界人口统计数据（单位：万人）
年份
人口（万人）
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（标准油，单位：万桶）
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年世界粮食需求量（单位：万吨）
年份
粮食需求量
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（单位：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.基于灰色理论的区间预测模型的在MATLAB上的实现代码：
%区间拟合函数求解
%拟合上函数
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) %结果数据 -7.51166737366709*10^3 -0.00004916823135*10^3
y1=(172430-149720)*exp(0.05111*x)+149720
plot(x,y1)
%区间拟合下函数
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) %结果数据 -7.51166737366709*10^3 -0.00004916823135*10^3
x=[1:12]
y2=(172220-152775)*exp(0.04917*x)+152775;
plot(x,y2)
%样本观察
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)
%预测总趋势
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
%结果：
(308453-197632)/197632
ans =
0.56074421146373
%预测结果
(7.5265-5.5502)/5.5502
ans =
0.3561
8.归一化后的神经网络训练样本
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.神经网络权值样本
的矩阵
-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
的权值矩阵
-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
的权值矩阵
-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
的权值矩阵
1.4945
0.3172
-1.5677
